Académique Documents
Professionnel Documents
Culture Documents
FORMULAIRE
• Propriétés de la variance :
Si on multiplie une série par une constante à la série, la variance est multipliée par cette constante au
carré : V(ƛ.x) = ƛ2.V (x)
𝜎𝑋
• Le coefficient de variation : 𝐶𝑉𝑋 = 𝑋̄
(avec 𝜎𝑋 = écart-type de X et 𝑋̄ = moyenne de X)
Dans ce qui suit (chapitre 1) : X et Y sont deux variables qualitatives (X : variable en colonne dans le
tableau de contingence ; Y : en ligne ; nombre de modalités ou valeurs de X = J ; nombre de modalités
ou valeurs de Y = I)
• Effectif marginal de la variable en ligne Yi (ni.) : 𝑛𝑖. = ∑𝐽𝑗=1 𝑛𝑖𝑗 = ni1 + ni2 + ni3 + … + niJ
(J = nombre de modalités de la variable en colonne)
Effectif marginal de la variable en colonne Xj (n.j): 𝑛. 𝑗 = ∑𝐼𝑖=1 𝑛𝑖𝑗 =n1j + n2j + … + nIj
1
𝑛𝑖𝑗
Fréquence conditionnelle Ligne: 𝑓𝑥=𝑥𝑗⁄𝑦=𝑦𝑖 =
𝑛𝑖.
(moyenne de la variable en ligne, sachant que la valeur de variable en colonne est fixée)
On le note aussi : 𝑦𝑗 = ∑𝐼𝑖=1 𝑓𝑦=𝑦𝑖 ⁄𝑥=𝑥𝑗 𝑦𝑖 = 𝑓𝑦=𝑦1 ⁄𝑥=𝑥𝑗 𝑦1 + 𝑓𝑦=𝑦2 ⁄𝑥=𝑥𝑗 𝑦2 + … + 𝑓𝑦=𝑦𝐼 ⁄𝑥=𝑥𝑗 𝑦𝐼
(moyenne de la variable en ligne, sachant que la valeur de variable en colonne est fixée)
𝐶𝑜𝑣(𝑋, 𝑌) = 𝐶𝑜𝑣(𝑌, 𝑋)
𝐶𝑜𝑣(𝑋, 𝑋) = 𝑉𝑎𝑟(𝑋)
Formule de König-Huygens : 𝐶𝑜𝑣(𝑋, 𝑌) = 𝐸(𝑋𝑌) − 𝐸(𝑋)𝐸(𝑌) = moyenne du produit (des
deux variables) – produit des moyennes (de chaque variable)
𝐶𝑜𝑣(𝑋,𝑌)
• Corrélation de Pearson : 𝜌𝑋𝑌 = 𝜎𝑋 𝜎𝑌
avec 𝜎𝑋 = écart-type de X et 𝜎𝑌 = écart-type de Y
2
CHAPITRE 2 : INDEPENDANCE ENTRE VARIABLES
Acceptation de H0 Rejet de H0
H0 réalisé Bonne prédiction (1-α) Erreur de première espèce (α)
H0 non réalisé Erreur de seconde espèce (β) Bonne prédiction : = 1 −
Avec erreur de première espèce (α), Erreur de seconde espèce (β) et Puissance du test (γ)
3
CHAPITRE 3 : LA REGRESSION LINEAIRE
• ̂ 𝟏 𝑿𝒊 + 𝜷
̂𝒊 = 𝜷
Droite de régression : 𝒀 ̂ 𝟎 (cas d’une seule variable explicative)
• ̂ 𝟏 = 𝑪𝒐𝒗(𝑿,𝒀)
Estimateurs des paramètres : 𝜷 𝑽𝒂𝒓(𝑿)
̂ 𝟎 = 𝒀̄ − 𝜷
𝜷 ̂ 𝟏 𝑿̄ (avec 𝒀̄moyenne de Y et 𝑿̄moyenne de X)
• Décomposition de la variabilité :
Variabilité totale (VT) = variabilité expliquée (VE) + variabilité résiduelle ou non expliquée (VNE)
VT = ∑𝑁 ̄ 2
𝑖=1(𝑌𝑖 − 𝑌 ) = 𝑉(𝑌) × 𝑁
(somme totale des carrés, avec V(Y) = variance de Y)
VE = ∑𝑁 ̂ ̄ 2 ̂2
𝑖=1(𝑌𝑖 − 𝑌 ) = 𝛽1 × 𝑁 × 𝑉(𝑋)
(somme des carrés expliqués, avec V(X) = variance de X)
VNE = ∑𝑁 2
𝑖=1 𝜀̂𝑖
(somme des carrés résiduels)
𝐶𝑜𝑣²(𝑋,𝑌)
NB : si régression linéaire simple : 𝑅² = (𝜌𝑋𝑌 )² = 𝑉(𝑋)𝑉(𝑌)
(= coefficient de corrélation de Pearson au carré)
∑𝑵 𝟐
𝒊=𝟏 𝜺̂𝒊
moyenne des carrés résiduels
• Le R² ajusté : 𝑹̄𝟐 = 𝟏 − ∑𝑵
𝑵−𝑲−𝟏
̂ ̄ 𝟐
= 1− moyenne des carrés expliqués
𝒊=𝟏(𝒀𝒊 −𝒀)
𝑵−𝟏