TD Statistique : Chapitre 10

Exercice 1:
Actifs occupés dans le primaire (en %) et part du primaire dans le PIB (en %) dans 12 pays de l’OCDE :

Pays Actifs Part

Allemagne 3,4 2
Autriche 7,9 3
Belgique 2,7 2
Danemark 5,6 4
Espagne 11,8 5
Finlande 8,4 6
Grèce 24,5 15
Italie 9 4
Royaume-Uni 2,1 1
Suède 3,5 3
Norvège 6,5 3
Pays-Bas 4,7 4

1. Représenter le nuage des observations avec le centre de gravité.

Le nuage des points est un « graphique » où chaque individu peut être représenté par un point. Il existe 4 types de
nuage de point :
Dépendance linéaire Dépendance inverse Indépendance

Liaison fonctionnelle

En Pont En U
5 5

0 0
0 2 4 6 0 2 4 6

Les variables sont : X = variable « actif » et Y = variable « part » (la part du primaire signifie secteur agricole)

16
14
12
Variable Part

10
8
6 M
4
2
0
0 5 10 Variable
15 Actifs 20 25 30
Centre de gravité M (
Le centre de gravité M est le point moyen de X et Y, pour l’obtenir on fait la moyenne de X et la moyenne de Y, qui
nous donne les coordonnées du point M.
C'est-à-dire, il suffit de faire la moyenne des valeurs de X et la moyenne des valeurs de Y, ainsi on obtient un point
supplémentaire qu’on nomme M sur le graphique.

 M a pour coordonnée 7,508 et 4,333 => M (7,508 ; 4,333)

2. Calculer le coefficient de corrélation linéaire; interpréter le résultat.

Coefficient de corrélation linéaire

Où = l’écart-type de X ; = l’écart-type de Y et ) = covariance de X et Y calculé à partir de la formule

suivante :
Pour une variable discrète :

Où n = effectif total ; xi = effectif de la variable X ; yj = effectif de la variable Y ; = moyenne de la variable X et =

moyenne de la variable Y.

Pour calculer la corrélation linéaire r, il faut d’abord calculer la covariance :

Calcul de la covariance :

= +
- 7,508 x 4,333
= 19,310

Calcul du coefficient de corrélation linéaire :

Pour calculer r, il faut calculer :

 Variance de X et écart-type :

= 34,019 => =

 Variance de Y et écart-type :

= 12,058 => =

Donc r vaut :
r= 0,953 => On est tenté de dire que r est proche de 1, donc il y a une corrélation linéaire positive
entre X et Y

/ !\ la corrélation linéaire a pour minimum -1 et pour maximum 1, donc :

-1 < r < 1
 3. Calculer le coefficient de corrélation linéaire en enlevant des données le point singulier; commenter.

Quand on a un point isolée, il faut reconstruire le nuage de point et refaire les calculs, car il peut modifier la vision du
nuage.
Centre de gravité M (

Pour calculer la corrélation linéaire r, il faut d’abord calculer la covariance :

Calcul de la covariance :

= +
– 5,964 x 3,364
= 3,083

Calcul du coefficient de corrélation linéaire :

Pour calculer r, il faut calculer :

 Variance de X et écart-type :

= 8,469 => =

 Variance de Y et écart-type :

= 1,865 => =

Donc r vaut :
r= 0,776 => On est tenté de dire que r est proche de 1, donc il y a une corrélation linéaire positive
entre X et Y, on peut conclure cela quand r est supérieur à 0,7.

Exercice 2:
15 salariés interrogés au cours d’une enquête ont révélé leur revenu X et leur épargne Y sur l’année 2002.

X 73 66 131 110 73 88 180 95 146 60 79 117 66 88 170

Y 11 0 23 13 11 14 25 16 24 9 13 18 10 14 22

X est le revenu imposable en centaines d’euros et Y est l’´epargne en centaines d’euros.

Calculer le coefficient de corrélation linéaire du couple de variables (X; Y) et interpréter le résultat obtenu.

Calcul du coefficient de corrélation linéaire :

Pour calculer r, il faut calculer :

 Centre de gravité M ( = Moyenne

  Variance de X et écart-type :

= 1384,827 => =

 Variance de Y et écart-type :

= 42,115 => =

 Calcul de la covariance :

cov (x;y) =
– 102,8 x 14,867
= 212,373
Le signe de la covariance donne une information sur l’allure des variables, quand X augmente, Y augmente.

 Donc le coefficient de corrélation linéaire r vaut :

= 0,879 => On est tenté de dire que r est proche de 1, donc apriori, il y a une
corrélation linéaire, soit Y = aX + b

 Est-ce que le nuage de points vaut r ?

Nuage de points
30

25

20

15

10

0
50 70 90 110 130 150 170 190

On a l’impression que le nuage de points s’étend le long d’une droite imaginaire, r proche de 1 => les valeurs importantes
de Y sont associés aux valeurs importantes de X, et inversement. Il y a covariance et corrélation linéaire positive, donc
dépendance positive linéaire entre les deux variables.

Même s’il y a un point particulier (66 ; 0). Il faudrait refaire les calculs en l’absence de ce point, pour pouvoir confirmer
ou non les hypothèses précédentes.
Exercice 3:
Une enquête a été réalisée auprès de 900 clients d’un magasin. Elle porte sur la relation entre le nombre de fréquentations
mensuelles et le montant cumulé des achats (en euros). L’enquête a donné les résultats suivants:

X\Y Entre 0 et 75 Entre 75 et 150 Entre 150 et 300

1 40 60 150
2 60 90 140
3 80 70 60
4 120 20 10

1. Calculer la covariance de (X; Y).

Tableau :
X\Y [0 ; 75[ [75 ; 150[ [150 ; 300[
Total ni●
Centre 37,5 112,5 225
1 40 60 150 250
2 60 90 140 290
3 80 70 60 210
4 120 20 10 150
Total n●j 300 240 360 900

RAPPEL : Les formules :

 x xi
Moyenne
 x yj
 Si variable continue :
 xi → ci
Variance  yj → c’j
 Si variable discrète :
xi → mi
Covariance yj → m’j

Coefficient de
corrélation linéaire

 Centre de gravité M ( = Moyenne

 Calcul de la covariance :

cov (x;y) =
– 2,289 x 132,5
= -37,876

2. En déduire le coefficient de corrélation linéaire de (X; Y).

Calcul du coefficient de corrélation linéaire :

Il faut calculer :
 Variance de X et écart-type :
 = 1,094 => =

 Variance de Y et écart-type :

= 6537,5 => =

 Donc le coefficient de corrélation linéaire r vaut :

= -0,448

=> On ne peut pas conclure, car dans ce genre de cas, on ne sait pas conclure, donc on ne peut pas dire s’il y a corrélation
linéaire.
Dans notre cas, r est ni proche de 1, ni de -1 => quand r est proche de 0, on ne donne pas de conclusion.