Menu principal












 Créer un compte
 Se connecter

Outils personnels




Sommaire

Début


Histoire


Droite de régression


Coefficient de corrélation linéaire de Bravais-Pearson


o

Définition
o

Matrice de corrélation

Estimation

Remarques

Interprétation

Interprétation géométrique

Dépendance

Relation de cause à effet

Exemple
 

Précautions à prendre

Dans les médias (Voir effet cigogne)

Articles connexes

Notes et références

Liens externes

Corrélation (statistiques)

 Article
 Discussion

 Lire
 Modifier
 Modifier le code
 Voir l’historique

Outils



 











Pour les articles homonymes, voir Corrélation.

Corrélation

Type Concept mathématique (d), relation (en)

Décrit par Encyclopédie soviétique arménienne
Aspect de Statistique

modifier - modifier le code - modifier Wikidata

En probabilités et en statistique, la corrélation entre plusieurs variables aléatoires ou

statistiques est une notion de liaison qui contredit leur indépendance.

Cette corrélation est très souvent réduite à la corrélation linéaire entre variables quantitatives,
c’est-à-dire l’ajustement d’une variable par rapport à l’autre par une relation affine obtenue
par régression linéaire. Pour cela, on calcule un coefficient de corrélation linéaire1, quotient
de leur covariance par le produit de leurs écarts types. Son signe indique si des valeurs plus
hautes de l’une correspondent « en moyenne » à des valeurs plus hautes ou plus basses pour
l’autre. La valeur absolue du coefficient, toujours comprise entre 0 et 1, ne mesure pas
l’intensité de la liaison mais la prépondérance de la relation affine sur les variations internes
des variables. Un coefficient nul n’implique pas l'indépendance, car d’autres types de
corrélation sont possibles.

D’autres indicateurs permettent de calculer un coefficient de corrélation pour des variables

ordinales.
Le fait que deux variables soient « fortement corrélées » ne démontre pas qu'il y ait une
relation de causalité entre l'une et l'autre. Le contre-exemple le plus typique est celui où elles
sont en fait liées par une causalité commune. Cette confusion est connue sous l'expression
Cum hoc ergo propter hoc.

Histoire
La corrélation est un concept issu de la biologie. C'est par le biais des travaux de Francis
Galton que la corrélation devient un concept statistique. Toutefois pour Galton, la notion de
corrélation n'est pas définie précisément et il l'assimile dans un premier temps à la droite de
régression d'un modèle de régression linéaire2.

C'est ensuite Karl Pearson qui propose en 1896 une formule mathématique pour la notion de
corrélation et un estimateur de cette grandeur2.

La corrélation est introduite en économie avec l'ouvrage de Bowley Elements of Statistics en

19023 et l'intervention de George Udny Yule en 1909. Yule introduit notamment la notion de
corrélation partielle4,2.

L'usage du coefficient de corrélation a suscité de vives controverses. Par exemple, Maurice

Fréchet s'y est vivement opposé en montrant les difficultés d'interprétation de ce paramètre5,2.

Droite de régression
Article détaillé : régression linéaire.

Calculer le coefficient de corrélation entre deux variables numériques revient à chercher et à

résumer la liaison qui existe entre les variables à l'aide d'une droite. On parle alors d'un
ajustement linéaire.

Comment calculer les caractéristiques de cette droite ? En faisant en sorte que l'erreur que l'on
commet en représentant la liaison entre nos variables par une droite soit la plus petite
possible. Le critère formel le plus souvent utilisé, mais pas le seul possible, est de minimiser
la somme de toutes les erreurs effectivement commises au carré. On parle alors d'ajustement
selon la méthode des moindres carrés ordinaires. La droite résultant de cet ajustement
s'appelle une droite de régression. Plus la qualité globale de représentation de la liaison entre
nos variables par cette droite est bonne, et plus le coefficient de corrélation linéaire associé
l'est également. Il existe une équivalence formelle entre les deux concepts.

Coefficient de corrélation linéaire de Bravais-Pearson

Définition

Le coefficient de corrélation entre deux variables aléatoires réelles X et Y ayant chacune une

variance (finie6), noté Cor(X,Y), ou parfois , ou , ou simplement ,

est défini par :
où

désigne la covariance des variables X et Y,

et désignent leurs écarts types.

De manière équivalente :

où

désigne l'espérance mathématique de [...].

Matrice de corrélation

La matrice de corrélation d'un vecteur de p variables aléatoires dont chacune

possède une variance (finie), est la matrice carrée dont le terme générique est donné par :

Les termes diagonaux de cette matrice sont égaux à 1, elle est symétrique, semi-définie
positive et ses valeurs propres sont positives ou nulles.

Estimation

Partant d’un échantillon de réalisations indépendantes de deux variables X et Y, un

estimateur (biaisé) du coefficient de corrélation est donné par :

avec

et

et
qui sont respectivement des estimateurs de la covariance, des écarts types et des espérances
des variables X et Y.

Remarques

 Numériquement, est compris dans [-1, 1] : c’est une conséquence de

l’inégalité de Cauchy-Schwarz ;

 Les deux séries ne sont pas linéairement corrélées si est nul. Les deux séries

sont d'autant mieux corrélées que est proche de 1 ou de -1 ;

 Appliqué à une matrice de corrélation, le test de sphéricité de Bartlett permet de juger
si les coefficients extra-diagonaux sont globalement différents de zéro.

Interprétation

Exemples de coefficients de corrélation : corrélation linéaire pour les deux premières lignes,
non linéaire pour la troisième ligne.

Il est égal à 1 dans le cas où l'une des variables est une fonction affine croissante de l'autre
variable, à -1 dans le cas où une variable est une
fonction affine et décroissante. Les valeurs Corrélation Négative Positive
intermédiaires renseignent sur le degré de Faible de −0,5 à 0,0 de 0,0 à 0,5
dépendance linéaire entre les deux variables. Plus le Forte de −1,0 à −0,5 de 0,5 à 1,0
coefficient est proche des valeurs extrêmes -1 et 1,
plus la corrélation linéaire entre les variables est forte ; on emploie simplement l'expression
« fortement corrélées » pour qualifier les deux variables. Une corrélation égale à 0 signifie
que les variables ne sont pas corrélées linéairement, elles peuvent néanmoins être corrélées
non-linéairement, comme on peut le voir sur la troisième ligne de l'image ci-contre.

Le coefficient de corrélation n’est pas sensible aux unités de chacune des variables. Ainsi, par
exemple, le coefficient de corrélation linéaire entre l’âge et le poids d’un individu sera
identique que l’âge soit mesuré en semaines, en mois ou en années.

En revanche, ce coefficient de corrélation est extrêmement sensible à la présence de valeurs

aberrantes ou extrêmes (ces valeurs sont appelées des « déviants ») dans notre ensemble de
données (valeurs très éloignées de la majorité des autres, pouvant être considérées comme des
exceptions).

Plusieurs auteurs ont proposé des directives pour l'interprétation d'un coefficient de
corrélation. Cohen (1988)7, a observé, toutefois, que tous ces critères sont à certains égards
arbitraires et ne doivent pas être trop strictement observés. L'interprétation d'un coefficient de
corrélation dépend du contexte et des objectifs. Une corrélation de 0,9 peut être très faible si
l'on vérifie une loi physique en utilisant des instruments de qualité, mais peut être considérée
comme très élevée dans les sciences sociales où il peut y avoir une contribution plus
importante de facteurs de complication.

Interprétation géométrique

Les deux séries de valeurs et peuvent être considérées comme des vecteurs

dans un espace à n dimensions. Remplaçons-les par des vecteurs centrés : et

.

Le cosinus de l'angle α entre ces vecteurs est donné par la formule suivante (produit scalaire
normé) :

Donc , ce qui explique que est toujours compris entre -1 et 1.

Le coefficient de corrélation n’est autre que le cosinus de l'angle α entre les deux vecteurs
centrés !

Si r = 1, l’angle α = 0, les deux vecteurs sont colinéaires (parallèles).

Si r = 0, l’angle α = 90°, les deux vecteurs sont orthogonaux.
Si r = -1, l’angle α vaut 180°, les deux vecteurs sont colinéaires de sens opposé.

Plus généralement : , où est la réciproque de la fonction cosinus.

Bien sûr, du point de vue géométrique, on ne parle pas de « corrélation linéaire » : le

coefficient de corrélation a toujours un sens, quelle que soit sa valeur entre -1 et 1. Il nous
renseigne de façon précise, non pas tant sur le degré de dépendance entre les variables, que
sur leur distance angulaire dans l’hypersphère à n dimensions.

Dépendance

Attention, il est toujours possible de calculer un coefficient de corrélation (sauf cas très
particulier) mais un tel coefficient  n'arrive pas toujours à rendre compte de la relation qui
existe en réalité entre les variables étudiées. En effet, il suppose que l'on essaye de juger de
l'existence d'une relation linéaire entre nos variables. Il n'est donc pas adapté pour juger de
corrélations qui ne seraient pas linéaires et non linéarisables. Il perd également de son intérêt
lorsque les données étudiées sont très hétérogènes puisqu'il représente une relation moyenne
et que l'on sait que la moyenne n'a pas toujours un sens, notamment si la distribution des
données est multi modale.

Si les deux variables sont totalement indépendantes, alors leur corrélation est égale à 0. La
réciproque est cependant fausse, car le coefficient de corrélation indique uniquement une
dépendance linéaire. D'autres phénomènes, par exemple, peuvent être corrélés de manière
exponentielle, ou sous forme de puissance (voir série statistique à deux variables en
mathématiques élémentaires).

Supposons que la variable aléatoire X soit uniformément distribuée sur l'intervalle [-1;1], et
que Y = X2 ; alors Y est complètement déterminée par X, de sorte que X et Y ne sont pas
indépendants, mais leur corrélation vaut 0.

Ces considérations sont illustrées par des exemples dans le domaine des statistiques.

X = a*Y (corrélation linéaire)

Nuage de point
 

Y = X2 : Y est complètement déterminée par X (X et Y ne sont pas indépendants),

mais leur corrélation vaut 0

Relation de cause à effet

Lignes de régression pour la dépendance y=gx(x) [rouge] et x=gy(y) [bleu]

Article détaillé : Cum hoc ergo propter hoc.

Une erreur courante est de croire qu'un coefficient de corrélation élevé induit une relation de
causalité entre les deux phénomènes mesurés. En réalité, les deux phénomènes peuvent être
corrélés à un même phénomène-source : une troisième variable non mesurée, et dont
dépendent les deux autres. Le nombre de coups de soleil observés dans une station balnéaire,
par exemple, peut être fortement corrélé au nombre de lunettes de soleil vendues ; mais aucun
des deux phénomènes n'est probablement la cause de l'autre.

Exemple

En anthropométrie, on mesure pour un certain nombre d'individus

 la stature ;
 la hauteur du buste ;
 la longueur du membre supérieur.
Plus ce nombre est grand et plus les corrélations sont représentatives. Puis on calcule par des
lois statistiques l'influence des variables les unes sur les autres. On obtient la matrice
suivante :

Matrice de corrélation (valeurs fictives)

Stature Buste Membre sup.
Stature 1
Buste 0,85 1
Membre sup 0,55 0,63 1

 La valeur 1 signifie que les deux variables sont exactement corrélées (parfaitement
corrélées), c'est le cas d'une relation exactement linéaire entre deux variables ;
 Le 0,85 signifie que la stature joue pour 72,25 % (=0,85×0,85) sur la valeur de la
hauteur du buste, et ainsi de suite ...
 La moitié manquante de la matrice peut être complétée par une symétrie selon la
diagonale si les corrélations sont réversibles.

Précautions à prendre
D'une manière générale, l'étude de la relation entre des variables, quelles qu'elles soient, doit
s'accompagner de graphiques descriptifs, exhaustifs ou non dans l'appréhension des données à
disposition, pour éviter de subir les limites purement techniques des calculs que l'on utilise.
Le quartet d'Anscombe est un exemple montrant que le seul calcul de la corrélation est
insuffisant. Néanmoins, dès qu'il s'agit de s'intéresser à des liaisons entre de nombreuses
variables, les représentations graphiques peuvent ne plus être possibles ou être au mieux
illisibles. Les calculs, comme ceux évoqués jusqu'à présent et donc limités par définition,
aident alors à simplifier les interprétations que l'on peut donner des liens entre les variables, et
c'est bien là leur intérêt principal. Il reste alors à vérifier que les principales hypothèses
nécessaires à leur bonne lecture sont validées avant une quelconque interprétation.

Dans les médias (Voir effet cigogne)

Il ne faut pas oublier que corrélation n'implique pas obligatoirement causalité. Or dans les
médias, une corrélation entre deux variables est souvent interprétée - à tort - comme s'il
existait un lien de cause à effet entre ces deux mêmes variables. Cette erreur porte le nom
d'effet cigogne, et elle est parfois commise par les plus grands médias.

Par exemple, en 2018, des statisticiens d'épidémiologie nutritionnelle ont publié une étude
mettant en lumière une corrélation inverse entre l'alimentation bio et le risque de développer
un cancer : cette étude a été reprise par la quasi-unanimité de la presse française sous le titre
« consommer bio réduit de 25% les risques de cancer », sans prendre en compte les probables
causes communes, comme le fait que l'alimentation bio est l'apanage de populations plus
aisées faisant attention à leur santé de manière générale et ayant donc moins de facteurs de
risque à la base8.

Pour moquer pédagogiquement cette habitude, les Décodeurs du Monde.fr ont mis au point un
outil de corrélation géographique sur la base de données sans rapport, de manière à générer
« vos propres cartes pour ne rien démontrer du tout »9.
Articles connexes
 Corrélation partielle (statistiques)
 Iconographie des corrélations
 Régression linéaire
 Corrélation de Spearman
 Tau de Kendall
 Corrélation d'images
 Corrélogramme
 Coefficient RV
 Analyse canonique des corrélations

Notes et références
1.

 Une vidéo de présentation du coefficient de corrélation est accessible ici. [archive]

  Michel Armatte, « Le statut changeant de la corrélation en économétrie (1910-1944) »,
Revue économique, vol. 52, no 3, 2001, p. 617-631 (lire en ligne [archive], consulté le 9 septembre 2011)
  BOWLEY A.L. [1901], Elements of Statistics, Londres, King and Son, 2e éd. 1902,335
p.; 4e éd. 1920,454 p.; trad. française sur la 5e éd. par L. Suret et G. Lutfalla, 1929.
  YULE G.U. [1909], « Les applications de la méthode de corrélation aux statistiques
sociales et économiques », BIIS, 28 (1), compte rendu de la 12e session de Paris, p. 265-277.
  FRECHET M. [1934], « Sur l’usage du soi-disant coefficient de corrélation », Rapport
pour la 22e session de l’IIS à Londres, Bulletin de l’IIS.

  Les variables sont supposées appartenir à l'espace vectoriel des variables

aléatoires de carré intégrable.
  Jacob Cohen. (1988). Statistical power analysis for the behavioral sciences (2nd ed.)
  Brice Gloux, « Non, l’alimentation bio ne réduit pas de 25 % les risques de
cancer » [archive], sur contrepoints.org, 25 octobre 2018.

9.  Les Décodeurs, « Corrélations ou causalité : générez vos propres cartes pour ne rien
démontrer du tout » [archive], sur Le Monde, 1er mars 2019.

Liens externes
 Ressource relative à la santé

  :
o (en) Medical Subject Headings

 [afficher]
v · m
Tests statistiques
 [afficher]
v · m
Index du projet probabilités et statistiques
  Portail des probabilités et de la statistique

Catégories :

 Statistiques
 Corrélation et indépendance
 Matrice
 Plan d'expériences

[+]

 La dernière modification de cette page a été faite le 13 mars 2023 à 13:03.

 Droit d'auteur : les textes sont disponibles sous licence Creative Commons attribution,
partage dans les mêmes conditions ; d’autres conditions peuvent s’appliquer. Voyez
les conditions d’utilisation pour plus de détails, ainsi que les crédits graphiques. En cas
de réutilisation des textes de cette page, voyez comment citer les auteurs et mentionner
la licence.
Wikipedia® est une marque déposée de la Wikimedia Foundation, Inc., organisation
de bienfaisance régie par le paragraphe 501(c)(3) du code fiscal des États-Unis.

 Politique de confidentialité
 À propos de Wikipédia
 Avertissements
 Contact
 Version mobile
 Développeurs
 Statistiques
 Déclaration sur les témoins (cookies)