Leschapilres précédents ontmontrécomment étudier

unesériestatistique, maisdeuxséries oudeuxcarac-

tèresenregistrésà I'intérieur
d'unemême sériepeuvent
êtrereliés
entre eux.Onexaminera lesplussimplesde Figure
3
cesrelations
: lesrelations
linéaires.

1.Données, depoints
nuages
Onnole'.lxùi, Vz,yz), ...,(xr,r,yr,r)
lasérie desobser-
vationsrelevanldeuxcaractères quantitatifsx et y pour
lesN individusd'unepopulation. Exemples : latailleetle Figure4
poids d'ungroupe d'étudiants,le PNBparhabitant et le
tauxd'alphabétisation
de pays envoiededéveloppement,
lerevenu etlaconsommation dedifférents ménages, etc.
Desunités étantconvenablement choisies surchacun O X
desaxes, onpeutreprésenter I delapopulation
I'individu
précédente parle point: (x,,y,lduplanx x y. Figurant Lespoints dunuage 1 sontpresque alignés,
tandis
ainsilesN individus,
onobtienl lenuage depolnts asso- quelenuage 2 laissesimplementapparaître
unedirection
ciéà lasériestatistioue. privilégiée.
d'allongement Danscesdeuxcas,onditque
Lesnuages depointsassociés à desséries statistiques le nuage présenteuncaractèrelinéaire.
Lenuage 3 ne
à deux peuvent
caractères présenter diftérenles formes : manilestepasdestructureparticulière;
lenuage 4,enfin,
semble seplacer approximalivement
selonunecourbe
régulière.
L'ajustement
linéaire
estlarecherche deladroite
résu-
mantlemieux lastructuredunuage. Unetellerecherche
Figure1 n'adoncd'intérêtquepourdesnuages del'undesdeux
premierstypes.

2.Ajustement
linéaire
a) Ajustementgraphique
Figure2 Lorsquele nuageprésente linéaire,
uncaractère on
peuttenter . à mainlevée
detracer " ladroite
quirésume
lemieuxlastructure
dunuage. duprocédé
Lasubjectivité
estévidente.
iiiif.f:Ëlii'i
iirf'fftrjÏAJUSTEM
LINÉAIRE.
AJUSTEMENT
i::i:iIi+]Itïii::.
CORRÉLATION
liriiiiiiiiiiiREPERES
b) tlléthodedesmoindrescanés Cettedernière relation queladroite
signifie pasæparle
Droltede Égressionde Yen X point
moyen t(7,y\, cequipermet decalculerô après a.
Onconsidère le plusæuvent queI'undescaractères, Pratiquement, ces calculs s'apparentent au calcul
ouI'une desvariables, dépend (parexemple,
deI'autre la d'unevariance.Siondoitutiliser unecalculaliæ, onpeut
calculer
successivement les moyennes 1 etl de x el y,
consommation dépend durevenu) ; soitY le premier les à la moyenne, la sériedespro-
caractère, ou variable à expliquer,et X le second, ou deuxséries d'écarts
variable explicallve.Oncherche uneexpression deY en duits: (4 -tl .Ut - 7); cette descanés : (xi- f )z; et,
" le la
enfin, æmme de cesséries etleur rapporl.
lonctionde X,delaforme l= â. x+ ô,quiapproche
mieux " lesdonnées. Comme danslecasdelavarianæ, lenumérateur etle
D'unpointdevuegéométrique, celarevientà chercher dénominateur ducoefficienta s'expriment sousuneautre
la droite d'équation i f = a . x + b,quitraduit le mieux formequipeutsimplilierlecalcul à lamain:
I'aspect linéaire
dunuage de points. lxi.fi-N.I.Y
a=
o Critèredesmoindres canés : pr,'- ru. r'
Soit: y= a. x + b,ladroite retenue
; ondonnelesdéfi-
L'emploi
nitions(fig.5): decetteexpression
dispense ducalcul des
auxmoyennes.
écarts
o x;êstlâ valeur observée delavariable X
explicative quesoitI'expression
pourl'individu Quelle dea utilisée,cesælculs
i; quepeuinstructifs.
. yrestla valeur sontaussifastidieux llssefonten
observée delavariable Y
à expliquer revanche quand
pourl'individu trèssimplemenlsuruntableur, ilsne
I;
. l'; = a. x;+ b estla valeur sontpasdéjàprogrammés, comme surlescalculatriæs
héoiqtnouajustée& la
variabley associée ou mathématiques;
statistiques danscecas,il suflit
à lavaleurobærvéex,delavariableX;
o €;= yt- y'ieg,l'effeurd'ajustenent, l'écart
c'est-à-dire
lesséries
d'entrer dex et y puisd'utiliær
d'observations
lacommande pourlancer
appropriée lecalcul.
lavaleur
entre obærvée ellavaleurthéorique deY.
ælculée
c) Droitede régressionde X en Y
Ona notéquelarégression dey enx donne desrôles
auxdeuxvariables.
différents Onpeutrenverær cesrôles
et régresserla variable
X enY.Oncherche uneexpres-
sion: x = c. | + d deX enfonction deY optimaleau
sens desmoindres carrés.
Lasimple desformules
transposition précédentes,
donnant lesvaleursdea etD,donnec etd :
I ( x r- r ) . ( y ; - y )
LU; - yl
et 1=c.y+d.
La" meilleure
" droite
relenue quirend
estenfaitcelle derégression
Lesdeuxdroites (deYenXetdeXenY)
minimalelasomme descanés deserreurs représentées
d'aiustement. dansle mêmerepère x x y ne sont
Onl'appelledrcitedesmoindrescanésdey enx, ou confondues quesilespoints
dunuage sonlexactement
dey enx.
droitederégression alignés.
Elles
diffèrent plusquele nuage
d'autant s'éloigne
de
o Calculs: I'alignement.
Lescoefficients
a etô deladroile
desmoindres canés
deY enX s'expriment enfonctiondesobservalions:
(xi,h.
quea etô sontdonnés
Onmonlre par: 3.Corrélation
a= I(r,-tl.(r,-V) a) CoefficientR'
>{''- t)' Onmontre quela sériedesvaleurs yi, dans
aiustées
la régression
delavariable y surx, a lamême moyenne
et l=a.1+ b. tquelasérie initiale
des)1.
 i:1:triiiii:iii:ir
'lii:iii:..\lt:i;:i;il.:i::
r:::::l{::::jI:::r::jit:::
'j:r:.tt:.t:.tij:.t4 jl
ilir'iiiii:iliiiiiii:

CORRÉLATION
LINÉAIRE,
AJUSTEMENT rÉLAroN
i#f4l
REPÈREI
îf$ïï#ïifi
appelé
R estsouvent " coefficient ', en
deconélation
Ondéfinitlecoefficient
notéR2:
le
omettantqualificatif
" ".
linéaire
^_ ,2= _> ( y ' , - h '
Z- c) Autes formules
>Ut- Y) Comme R peutêtrecalculé
la variance, sanspasser
Cerapport entrela " variation
expliquée" parla parlesécarts
auxmoyennes, delaformule
à I'aide :
etia. variation
régression " mesure
totale laqualité
dela 2x,.fi-N.r.t
: sicelle-ci
régression estbonne, lesy;
lesy'rapprochent R =
el R2estproche de1.

de corrélation
b) Coelîicient linéaireR liantRauxpentes
larelation
Ona également desdeux
Enfait,oncalculeplusfréquemmentle coelficient
de de
droites (de
régression Y surXetdeXsurY):
nolêR (onmontre
linéaire,
corrélation eneffetqu'ilest H-=â.C.
égal,ausigneprès,à la racine
canéedelaquantité Rz
précédente)
:
R = l. Élargissements
4 ûnod èles exponentlels
onvoilsurcelteexpression quelesvariables X et Y pourêtresimples
jouent Lesrelations denature linéaire, à
desrôles symétriques. nesontpaslesseules quipuissent existerentre
étudier,
Lecoefficient R mesure nonseulement la qualité de deuxgrandeurs. D'autres peuventcependant s'yramener.
I'uneouI'autre régression, mais,plusgénéralement, le par delaforme Y =A . Bx,
depoints, l'inlen- SiYque etXæntliés unerelation
caractère linéairedunuage ouencore
dit Y dépendexponentiellement de X.Cetterela-
linéaire entrelesdeuxvariables (en on
sitédela liaison enprenant leslogarithmes,
particulier
lorsqu'aucune desdeuxneparaît devoir " expli' tionn'estpaslinéaire, mais,
querDl'autre, en machines à 0 n a :
ainsidulauxd'équipement
laveretdutauxd'équipement enréfrigérateurs). In(Y)=ln(B).X+ln(A),
Sonemploi estprécisé parlespropriétés suivantes :
c'est-à-direunerelationlinéaire
entre lavariable transfor-
. Resttoujours compris entre- 1et+ 1;
mée,In(Y), et X,quis'écrit
encore : In(Y) = a . X + B,en
o R vaut+ 1 (respectivement - l) lorsque lespoints notant= In(B)
d etF = In(A).
sontalignés surunedroite ascendante, traduisant une
variation dansle même sensdesdeuxcaractères (res- Uétude de cette
dernière relation
s'effectue parrégres-
pectivement pour
descendante, unevariation desens sionlinéaire; on revientensuiteà la forme exponentielle
contraire); dedépart.
. Restproche de+ 1 (respectivemenl - 1)lorsque les
caraclères montrentuneliaison linéaire marquée elcrois- b) Régression multiple
sante (respectivement décroissante). Ence cas,la Cerlains modèles,plusélaborés, veulent expliquerune
régression esta p/iorl
intéressanle, etlesdeuxdroites de grandeur deplusieurs
enfonction autres (parexemple, la
régression neserontguère éloignées; consommation d'unménage pounadépendre deson
. R estoroche de0 enI'absence deliaison linéaire revenu, mais égalementdesoneffectif).
apparente, larégressionlinéaireestalors peujustifiée. Bienquelesidéesdedépart soient lesmêmes, la
R peutêtrecalculé enpremier lieu(c'est-à-dire avant représentation graphique n'estpluspossible ; lescalculs
lesdroiles derégression) et- parexemple dansleder- nesefontplusà la mainet leurinterprétation estplus
- pas
niercas ne donner suiteà unerégression. délicate.