02 Correělation

Chapitre II
Coefficient de corrélation
« correlation coefficient »
 Le coefficient de corrélation noté « r »
(coefficient de corrélation simple ; coefficient
de corrélation linéaire ; coefficient de
corrélation linéaire simple) est une mesure de
l’intensité (degré de liaison ) de la relation
linéaire entre deux variables (séries ;
caractères) quantitatives X et Y.
TOUFIK-Saïd_2017-2018 1
I. Aspects mathématiques
 On appelle coefficient de corrélation linéaire,

noté « rx,y » entre les variables quantitatives X et
Y, le nombre sans dimension, qui est égal au
quotient de la covariance entre X et Y par le
produit de leurs écarts-types :
n
cov( X , Y )
 ( x  x)( y  y)
i i
rx , y   i 1
 x y n n
 ( x  x)  ( y  y )
i 1
i
2
i 1
i
2
« suite » I. Aspects mathématiques
 où Cov(X,Y) est la covariance

mesurée entre X et Y ; σx et σy sont les
écarts-types respectifs de X et Y.
 Les valeurs possibles du coefficient
corrélation sont comprises entre -1
et 1. Donc, elles appartiennent à
l’intervalle [-1 ; 1].
 1 représente une relation positive

linéaire parfaite entre X et Y ;
 -1 représente une relation négative
linéaire parfaite entre X et Y ;
 0 représente l’absence de relation
linéaire entre X et Y (X et Y ne sont
pas corrélées) ;
 proche de 1, les variables X et Y sont

corrélées positivement (forte corrélation
linéaire ; corrélation forte ; corrélation
fortement positive). Ainsi, les deux
variables X et Y varient dans le même
sens : si X croît, Y croît ; si X décroît, Y
décroît) ;
 proche de -1, les variables X et Y sont

corrélées négativement (forte
corrélation linéaire ; corrélation forte ;
corrélation fortement négative). Ainsi, les
deux variables X et Y varient en sens
inverse : si X croît, Y décroît ; si X
décroît, Y croît) ;
 proche de 0, les variables X et Y sont

faiblement corrélées (faible corrélation
linéaire entre X et Y) ; il existe peut être
une liaison non linéaire entre X et Y.
+1
Corrélation forte Corrélation positive. Les deux variables
varient dans le même sens. Si X croît,
Y croît ; si X décroît, Y décroît.
Corrélation faible 0 Corrélation négative. Les deux variables

varient en sens inverse. Si X croit,
Y décroît ; si X décroît, Y croît.
Corrélation forte
-1
 Il n’en reste pas moins que l’on ne sait toujours

pas dire (pour l’instant), à partir de quel seuil la
liaison sera « bonne » ou « très bonne » ou «
mauvaise » ou « autre ».
 De façon calculée, on estime que, pour que la
corrélation linéaire entre deux variables
quantitatives soit reconnue comme bonne, il faut
que :
rx , y  0,866
 ce qui revient au même que rx,y soit supérieur à

+0,866, ou inférieur à -0,866 :
rx , y  0,866
 ou
rx , y  0,866
II. Visualisation graphique de la
corrélation
 Nous pouvons distinguer la corrélation linéaire,

lorsque tous les points du couple (x,y) des deux
variables semblent alignés sur une droite, de la
corrélation non linéaire lorsque le couple de
valeurs se trouve sur une même courbe d’allure
quelconque.
 En croisant les critères de linéarité et de
corrélation, nous obtenons cinq représentations
graphiques :
II.1. Visualisation graphique croisant la
corrélation positive et la relation linéaire
y Graphe 1
... .
.
. .
.
corrélation négative et la relation linéaire
y Graphe 2
.
.. .
.
. .
.
corrélation positive et la relation non linéaire
y
. Graphe 3
.
. .
. . .
. . .
. . .
. .
.
x
corrélation négative et la relation non linéaire
y Graphe 4
.
. .
. .
.
.. .
.
..
. .. . .
..
x
II.5. Visualisation graphique de l’absence de
corrélation
y Graphe 5
. . .
. . .
. . .
III. Linéarité et corrélation
 Le tableau I (ci-dessous) croise les critères de

linéarité et de corrélation :
« suite » III. Linéarité et corrélation
 Tableau I : Linéarité et corrélation
Corrélation Corrélation Absence de

positive négative corrélation
Relation linéaire Graphe 1 Graphe 2 Graphe 5
Relation non Graphe 3 Graphe 4 Graphe 5

linéaire
IV. Remarques concernant l’interprétation du
coefficient de corrélation
 Quelques mises en garde dans l’interprétation

du coefficient de corrélation linéaire doivent être
effectuées :
« suite » IV. Remarques concernant
l’interprétation du coefficient de corrélation
 (1). Le coefficient de corrélation ne permet pas

d’établir une relation de causalité entre les
variables : on ne sait pas si X agit sur Y, ou si Y
agit sur X.
 Il appartient au spécialiste du domaine d’étude
de s’interroger sur un éventuel lien de causalité,
à partir de connaissances extérieures au
domaine statistique.
 En effet, l’ambition de l’étude de corrélation

n’est pas d’ «expliquer la causalité » mais de
mesurer l’intensité, la force des liaisons entre les
phénomènes réels.
 (2). L’absence de corrélation linéaire

(rx,y=0) ne signifie pas l’absence de lien
(indépendance). Il peut exister une
liaison fonctionnelle autre que linéaire
(parabolique, exponentielle, …etc.).
 Ainsi,
Pas de liaison linéaire,

mais possibilité d’une
rx,y = 0 liaison d’un autre type
 Voici un exemple de deux variables X et Y non

indépendantes (liées ; dépendantes) avec rx,y=0 :
X -2 -1 0 1 2
Y 4 1 0 1 4
 Le coefficient de corrélation linéaire entre deux

variables quantitatives indépendantes est nul,
mais la réciproque n’est pas vraie :
X et Y rx,y = 0
indépendantes

02 Correělation

Transféré par

Informations du document

Titre original

Copyright

Formats disponibles

Partager ce document

Partager ou intégrer le document

Options de partage

Avez-vous trouvé ce document utile ?

Ce contenu est-il inapproprié ?

Droits d'auteur :

Formats disponibles

02 Correělation

Transféré par

Droits d'auteur :

Formats disponibles

Chapitre II

 On appelle coefficient de corrélation linéaire,

 où Cov(X,Y) est la covariance

 1 représente une relation positive

 proche de 1, les variables X et Y sont

 proche de -1, les variables X et Y sont

 proche de 0, les variables X et Y sont

Corrélation faible 0 Corrélation négative. Les deux variables

 Il n’en reste pas moins que l’on ne sait toujours

 ce qui revient au même que rx,y soit supérieur à

 Nous pouvons distinguer la corrélation linéaire,

 Le tableau I (ci-dessous) croise les critères de

 Tableau I : Linéarité et corrélation

Corrélation Corrélation Absence de

Relation linéaire Graphe 1 Graphe 2 Graphe 5

Relation non Graphe 3 Graphe 4 Graphe 5

 Quelques mises en garde dans l’interprétation

 (1). Le coefficient de corrélation ne permet pas

 En effet, l’ambition de l’étude de corrélation

 (2). L’absence de corrélation linéaire

Pas de liaison linéaire,

 Voici un exemple de deux variables X et Y non

 Le coefficient de corrélation linéaire entre deux

Vous aimerez peut-être aussi