Collège Andrew Grene /Andrew Grene High School (CAG/AGHS)

Cours : Mathématiques
Prof : Wilson BAZILE, Normalien physicien
Contact : (509) 41 94 00 56 / 38 26 81 70
E-mail : wilsonbazile1@gmail.com
Classe : NS IV
Thème : Statistique
Contenu : Statistique à deux variables – nuage de points – ajustement linéaire – coefficient de corrélation linéaire
Compétences : Savoir définir statistique à deux variables
Savoir construire le nuage de points d’une série statistique double
Connaitre les différentes méthodes d’ajustement affine d’une série statistique double
Connaitre le coefficient de corrélation linéaire de deux variables statistiques

Statistique à double variable Point moyen

On peut, dans une population de 𝑛 individu, étudier deux Soit une série statistique à deux variables X et Y dont les
caractères quantitatifs, notés 𝑋 et 𝑌 ; la modalité valeurs sont des couples (𝑥𝑖 ; 𝑦𝑖 ). On appelle point moyen
d’associer à chaque individu 𝑖 (1 ≤ 𝑖 ≤ 𝑛) un couple du nuage de points, noté le plus souvent par la lettre 𝐺, le
(𝑥𝑖 ; 𝑦𝑖 ) s’appelle série statistique à deux variables ou point de coordonnées (𝑥̅ ; 𝑦̅), où 𝑥̅ et 𝑦̅ sont des
série statistique double. moyennes respectives des variables en 𝑋 et en 𝑌. On note
𝐺(𝑥̅ , 𝑦̅) avec
Nuage de points. - définition 𝑛
Soit 𝑋 et 𝑌 deux variables statistiques numériques 1
𝑥̅ = ∑ 𝑥𝑖
observées sur 𝑛 individus. La représentation, dans un 𝑛
𝑖=1
repère orthogonal bien défini (O ; 𝑖⃗ ; 𝑗⃗⃗), l’ensemble des 𝑛 Et
points de coordonnées (𝑥𝑖 ; 𝑦𝑖 ) forme le nuage de points 𝑛
associé à cette série statistique. 1
𝑦̅ = ∑ 𝑦𝑖
𝑛
Exemple1 𝑖=1
Le tableau suivant donne le poids en 𝑘𝑔, 𝑥𝑖 et la taille en
centimètre 𝑦𝑖 d’un groupe de 30 personnes Exemple2
𝑥𝑖 59 62 65 71 74 77 Le tableau suivant donne le poids en 𝑘𝑔, 𝑥𝑖 et la taille en
centimètre 𝑦𝑖 d’un groupe de 30 personnes
𝑦𝑖 165 168 171 174 177 180 Σ
𝑥𝑖 59 62 65 71 74 77 408
Construire le nuage de points associé à cette série
statistique 𝑦𝑖 165 168 171 174 177 180 1035
Résolution
Construisons le nuage de points associé à cette série Calculons le point moyen de cette série double.
statistique 𝐺(𝑥̅ , 𝑦̅)
Avec
𝑛
1 408
𝑥̅ = ∑ 𝑥𝑖 => 𝑥̅ = => 𝒙 ̅ = 68
𝑛 6
𝑖=1
180 • Et
𝑛
177 • 1 1035
𝑦̅ = ∑ 𝑦𝑖 => 𝑦̅ = ̅ = 172.5
=> 𝒚
𝑛 6
174 • 𝑖=1
𝑮(𝟔𝟖 ; 𝟏𝟕𝟐. 𝟓)
171 •
Covariance
168 • Quand on veut étudier la dépendance entre les variables 𝑥
165 • et 𝑦 d’une série statistique double, on utilise la covariance
des variables 𝑥 et 𝑦.

59 62 65 71 74 77

Le Zabile de la Baz-île Page 1

On entend par covariance d’une série statistique (𝑥𝑖 ; 𝑦𝑖 ) - une parabole de la forme : 𝑦 = 𝑎𝑥 2 + 𝑏𝑥 + 𝑐
représentée par 𝑛 points, le nombre réel noté 𝑐𝑜𝑣(𝑥; 𝑦) et - une fonction logarithme, exponentielle
défini par :
Dans le cadre de notre cours, on parlera de l’ajustement
𝑛
1 affine.
𝑐𝑜𝑣(𝑥; 𝑦) = ∑(𝑥𝑖 − 𝑥̅ ) (𝑦𝑖 − 𝑦̅)
𝑛
𝑖=1 Ajustement affine
On établit une autre relation pour la covariance : 1. Ajustement à la règle
𝑛 𝑛 𝑛
On appelle ajustement à règle ou à main levée le fait de
1 1 1 tracer au juger (à main levée) une droite 𝐷 passant le plus
𝑐𝑜𝑣(𝑥; 𝑦) = ∑ 𝑥𝑖 𝑦𝑖 − ∑ 𝑥𝑖 × ∑ 𝑦𝑖 près possible des points du nuage et d’en trouver
𝑛 𝑛 𝑛
𝑖=1 𝑖=1 𝑖=1 l’équation du type 𝑦 = 𝑎𝑥+ b.
̅̅̅̅ − 𝒙
𝒄𝒐𝒗(𝒙; 𝒚) = 𝒙𝒚 ̅𝒚̅
N.B. : La droite d’ajustement linéaire passe toujours par le
On conclut que la covariance est la différence de la
point moyen du nuage de point.
moyenne des produits 𝑥𝑖 𝑦𝑖 et le produit des moyennes 𝑥̅
et 𝑦̅. 2. Méthode de Mayer
Exemple3 Cet ajustement consiste à déterminer la droite passant par
Le tableau suivant donne le poids en 𝑘𝑔, 𝑥𝑖 et la taille en deux points moyens du nuage de point.
centimètre 𝑦𝑖 d’un groupe de 30 personnes
𝑥𝑖 59 62 65 71 74 77 Cette droite est de la forme 𝑦 = 𝑎𝑥 + 𝑏, 𝑎 est la pente
de la droite qui est la variation de 𝑦 par rapport à la
𝑦𝑖 165 168 171 174 177 180 variation de 𝑥.
Calculer la covariance de cette série double 𝒚𝑮2 −𝒚𝑮1
Résolution D’où 𝒂=𝒙 .
𝑮2 −𝒙𝑮1
Calculons la covariance de cette série double. Σ
𝑥𝑖 59 62 65 71 74 77 408 Cette droite passe par l’un ou l’autre point moyen.
𝑦𝑖 165 168 171 174 177 180 1035
Considérons que la droite 𝐷 passe par le point moyen 𝐺1 ,
𝑥𝑖 𝑦𝑖 9735 10416 11115 12354 13098 13860 70578 l’équation de la droite devient donc 𝒚𝑮1 = 𝒂𝒙𝑮1 + 𝒃.
En substituant les coordonnées de 𝐺1 dans cette dernière,
𝑛 𝑛 𝑛
1 1 1 on trouvera la valeur de 𝑏.
𝑐𝑜𝑣(𝑥; 𝑦) = ∑ 𝑥𝑖 𝑦𝑖 − ∑ 𝑥𝑖 × ∑ 𝑦𝑖
𝑛 𝑛 𝑛 Enfin, on portera les valeurs de 𝑎 et de 𝑏 dans la droite
𝑖=1 𝑖=1 𝑖=1
1 1 1 𝑦 = 𝑎𝑥 + 𝑏. L’équation ainsi obtenue est la droite de
𝑐𝑜𝑣(𝑥; 𝑦) = × 70578 − ( × 408 × × 1035)
6 6 6 régression par la méthode Mayer.
𝒄𝒐𝒗(𝒙 ; 𝒚) = 𝟑𝟑
Exemple4
Le problème de l’ajustement linéaire Le tableau suivant donne le poids en 𝑘𝑔, 𝑥𝑖 et la taille en
Le nuage de points associé à une série statistique à deux centimètre 𝑦𝑖 d’un groupe de 30 personnes
variables donne donc immédiatement des informations de 𝑥𝑖 59 62 65 71 74 77
nature qualitatives. 𝑦𝑖 165 168 171 174 177 180
Pour en tirer des informations plus quantitatives, il nous
faut poser le problème de l’ajustement. La recherche Soient 𝐺1 les trois premières colonnes et 𝐺2 les trois
d’une dépendance entre les deux caractères 𝑥 et 𝑦 d’une dernières colonnes. Déterminer la droite 𝐷 passant par 𝐺1
série double conduit à l’analyse du nuage de points. et 𝐺2 (droite de Meyer).
Suivant la forme du nuage, on cherche une fonction 𝑓, Résolution
telle que sa courbe d’équation 𝑦 = 𝑓(𝑥), passe le plus Déterminons la droite de régression par la méthode de
près possible des points du nuage. Meyer
l’ajustement peut être 𝑦 = 𝑎𝑥 + 𝑏 (1)
- une droite affine de la forme : 𝑦 = 𝑎𝑥 + 𝑏 Cherchons la pente de la droite :

Le Zabile de la Baz-île Page 2

 𝑦𝐺2 −𝑦𝐺1
𝑎= (2) Après le développement de cette somme, on obtient cette
𝑥𝐺2 −𝑥𝐺1
relation : 𝑏 = 𝑦̅ − 𝑎𝑥̅ .
Cherchons les coordonnées de 𝐺1 En portant la valeur de 𝑏 dans 𝑦, on a :
𝐺1 (𝑥1 ; 𝑦1 ) 𝑦 = 𝑎𝑥 + 𝑦̅ − 𝑎𝑥̅ .
59+62+65 186
Avec 𝑥1 = 3
=> 𝑥1 = 3
=> 𝒙1 = 62 Ce qui donne :
Et 𝑦1 =
165+168+171
=>
504
𝑦1 = 3 => 𝒚1 = 168 𝒚 = 𝒂(𝒙 − 𝒙 ̅) + 𝒚
̅
3

𝑮𝟏 (𝟔𝟐 ; 𝟏𝟔𝟖) La pente 𝑎 de la droite de régression est calculée par :

Cherchons les coordonnées de 𝐺1 𝒄𝒐𝒗(𝒙; 𝒚)
𝒂=
𝐺2 (𝑥2 ; 𝑦2 ) 𝑽(𝒙)
71+74+77 222
Avec 𝑥2 = => 𝑥2 = => 𝒙2 = 74 La relation pour trouver la variance est donnée par :
3 3
174+177+180 531 2
Et 𝑦2 = 3
=> 𝑦2 = 3
=> 𝒚2 = 177 1
𝑛
1
𝑛

𝑉(𝑥) = ∑ 𝑥𝑖2 − ( ∑ 𝑥𝑖 )
𝑮𝟐 (𝟕𝟒 ; 𝟏𝟕𝟕) 𝑛 𝑛
𝑖=1 𝑖=1

La relation (2) devient La pente 𝑎 peut être aussi calculée par :

𝒏∑𝒙𝒊 𝒚𝒊 − ∑𝒙𝒊 × ∑𝒚𝒊
177 − 168 𝒂=
𝑎= 𝒏∑𝒙2𝒊 − (∑𝒙𝒊 )2
74 − 62
Exemple5
𝒂 = 0.75 Le tableau suivant donne le poids en 𝑘𝑔, 𝑥𝑖 et la taille en
La relation (1) devient centimètre 𝑦𝑖 d’un groupe de 30 personnes
𝑥𝑖 59 62 65 71 74 Σ
77
𝑦 = 0.75𝑥 + 𝑏
𝑦𝑖 165 168 171 174 177 180
Cette droite passe 𝐺1 (62 ; 168)
168 = 0.75 × 62 + 𝑏 Déterminer la droite de régression de 𝑦 en 𝑥 par la
𝒃 = 121.5 méthode des moindres carrés
La droite de régression par la méthode de Meyer est : Résolution
𝒚 = 𝟎. 𝟕𝟓𝒙 + 𝟏𝟐𝟏. 𝟓 Calculons la droite de régression de 𝑦 en 𝑥 par la méthode
des moindres carrés : Σ
3. Méthode des moindres carrés 𝑥𝑖 59 62 65 71 74 77 408
On considère une série statistique double (𝑥𝑖 ; 𝑦𝑖 ) telle 165 168 171 174 177 180
𝑦𝑖 1035
que les séries 𝑥𝑖 et 𝑦𝑖 ne sont pas constantes, représentée
par l’ensemble des points 𝑀𝑖 (𝑥𝑖 ; 𝑦𝑖 ) : 𝑀𝑖 𝑃𝑖 = |𝑦𝑖 − 𝑥𝑖2 3481 3844 4225 5041 5476 5929 27996
(𝑎𝑥𝑖 + 𝑏)|, 𝑖 allant de 1 à 𝑛. on cherche une droite 𝐷
d’équation 𝑦 = 𝑎𝑥 + 𝑏 pour laquelle la somme des carrés 𝑦𝑖2 27225 28224 29241 30276 31329 32400 178695
𝑀𝑖 𝑃𝑖 2 est minimale. On note :
𝑛 𝑥𝑖 𝑦𝑖 9735 10416 11115 12354 13098 13860 70578
2
𝑆 = ∑ 𝑀𝑖 𝑃𝑖 𝒚 = 𝒂(𝒙 − 𝒙 ̅) + 𝒚
̅
𝑖=1
Cherchons le pente 𝑎 de la droite
Cette somme est appelée somme des résidus.
𝑛∑𝑥𝑖 𝑦𝑖 − ∑𝑥𝑖 × ∑𝑦𝑖
𝑎=
Droite de régression de 𝒚 en 𝒙 𝑛∑𝑥𝑖2 − (∑𝑥𝑖 )2
La droite de régression de 𝑦 en 𝑥 est la seule droite (6)(70578) − (408)(1035)
d’équation 𝑦 = 𝑎𝑥 + 𝑏 qui rend minimale la somme des 𝑎=
(6)(27996) − (408)2
résidus :
𝑛 𝒂 = 0.775
𝑆 = ∑(y𝑖 − 𝑎𝑥𝑖 − 𝑏) 2 Cherchons 𝑥̅ et 𝑦̅
𝑛
𝑖=1 1 408
𝑥̅ = ∑ 𝑥𝑖 => 𝑥̅ = ̅ = 68
=> 𝒙
𝑛 6
𝑖=1

Le Zabile de la Baz-île Page 3

Et 𝑛∑𝑥𝑖 𝑦𝑖 − ∑𝑥𝑖 × ∑𝑦𝑖
𝑛 𝑎′ =
1 1035 𝑛∑𝑦𝑖2 − (∑𝑦𝑖 )2
𝑦̅ = ∑ 𝑦𝑖 => 𝑦̅ = ̅ = 172.5
=> 𝒚
𝑛 6 (6)(70578) − (408)(1035)
𝑖=1 𝑎′ =
D’où : (6)(178695) − (1035)2
𝑦 = 0.775(𝑥 − 68) + 172.5
𝒂′ = 1.257
𝒚 = 𝟎. 𝟕𝟕𝟓𝒙 + 𝟏𝟏𝟗. 𝟖
Cherchons 𝑥̅ et 𝑦̅
𝑛
Droite de régression de 𝒙 en 𝒚 1 408
𝑥̅ = ∑ 𝑥𝑖 => 𝑥̅ = ̅ = 68
=> 𝒙
La droite de régression de 𝑥 en 𝑦 est la seule droite 𝑛 6
𝑖=1
d’équation 𝑥 = 𝑎′𝑦 + 𝑏 qui rend minimale la somme des Et
𝑛
résidus : 1 1035
𝑛 𝑦̅ = ∑ 𝑦𝑖 => 𝑦̅ = ̅ = 172.5
=> 𝒚
𝑛 6
𝑆 = ∑(x𝑖 − 𝑎′𝑦𝑖 − 𝑏)2 𝑖=1
𝑖=1 D’où :
Après le développement de cette somme, on obtient cette 𝑥 = 1.257(𝑦 − 172.5) + 68
relation : 𝑏 = 𝑥̅ − 𝑎′𝑦̅. 𝒙 = 𝟏. 𝟐𝟓𝟕𝒚 − 𝟏𝟒𝟖. 𝟖𝟑𝟐𝟓
En portant la valeur de 𝑏 dans 𝑦, on a : Coefficient de corrélation
𝑥 = 𝑎′𝑦 + 𝑥̅ − 𝑎𝑦̅. Soit (𝑥𝑖 ; 𝑦𝑖 ) une série statistique à deux varaiables 𝑥 et 𝑦
Ce qui donne : 𝒙 = 𝒂′(𝒚 − 𝒚 ̅) + 𝒙̅ telle que : 𝑉(𝑥) ≠ 0 et 𝑉(𝑦) ≠ 0. Le coefficient de
corrélation linéaire de cette série est le nombre réel, noté
La pente 𝑎′ de la droite de régression est calculée par : 𝒄𝒐𝒗(𝒙 ;𝒚)
𝑟 tell que 𝒓 =
√𝑽(𝒙).√𝑽(𝒚)
𝒄𝒐𝒗(𝒙; 𝒚)
𝒂′ = On dit qu’il y a de bonne corrélation entre les variables 𝑥
𝑽(𝒚)
et 𝑦 quand le coefficient de corrélation est proche de 1.
Elle peut être aussi calculée par :
Propriétés
𝒏∑𝒙𝒊 𝒚𝒊 − ∑𝒙𝒊 × ∑𝒚𝒊 ▪ Le coefficient de corrélation entre deux variables 𝑥 et
𝒂′ =
𝒏∑𝒚2𝒊 − (∑𝒚𝒊 )2 𝑦 est compris entre −1 et 1. On note : −1 ≤ 𝑟 ≤ 1
Exemple6 ▪ Le signe du coefficient de corrélation dépend de la
Le tableau suivant donne le poids en 𝑘𝑔, 𝑥𝑖 et la taille en covariance.
centimètre 𝑦𝑖 d’un groupe de 30 personnes ▪ Le carré du coefficient de corrélation est le produit
𝑥𝑖 59 62 65 71 74 77 des pentes 𝑎 et 𝑎′. On note : 𝑟 2 = 𝑎𝑎′.
▪ Si 𝑟 = |1|, alors les points du nuage sont alignés et
𝑦𝑖 165 168 171 174 177 180 les droites de régression de 𝑦 en 𝑥 et de 𝑥 en 𝑦 sont
confondues.
Déterminer la droite de régression de 𝑥 en 𝑦 par la 1
méthode des moindres carrés ▪ Si 𝑟 2 = 1, alors 𝑎𝑎′ = 1 cela implique que 𝑎′ =
𝑎
Résolution
Déterminons la droite de régression de 𝑥 en 𝑦 par la Exemple7
méthode des moindres carrés : Le tableau suivant donne le poids en 𝑘𝑔, 𝑥𝑖 et la taille en
Σ centimètre 𝑦𝑖 d’un groupe de 30 personnes
𝒙 = 𝒂′(𝒙 − 𝒚 ̅) + 𝒙
̅
𝑥𝑖 59 62 65 71 74 77
𝑥𝑖 59 62 65 71 74 77 408
𝑦𝑖 165 168 171 174 177 180
𝑦𝑖 165 168 171 174 177 180 1035

Déterminer le coefficient de corrélation linéaire des

𝑥𝑖2 3481 3844 4225 5041 5476 5929 27996
variables 𝑥 et 𝑦. Que peut-on en déduire ?
𝑦𝑖2 27225 28224 29241 30276 31329 32400 178695
Résolution
Déterminons le coefficient de corrélation linéaire des
𝑥𝑖 𝑦𝑖 9735 10416 11115 12354 13098 13860 70578
variables 𝑥 et 𝑦 :
Cherchons le pente 𝑎′ de la droite
Σ
Le Zabile de la Baz-île Page 4
 𝒄𝒐𝒗(𝒙 ;𝒚) c. Déterminer la variance de 𝑥, la variance de 𝑦 et la
𝒓= (1)
√𝑽(𝒙).√𝑽(𝒚)
covariance de 𝑥 et de 𝑦.
𝑥𝑖 59 62 65 71 74 77 408
d. Déterminer la droite de régression :
𝑦𝑖 165 168 171 174 177 180 1035 1. de 𝑦 en 𝑥
2. de 𝑥 en 𝑦
𝑥𝑖2 3481 3844 4225 5041 5476 5929 27996
e. Calculer le coefficient de corrélation linéaire de 𝑥 et
𝑦𝑖2 27225 28224 29241 30276 31329 32400 178695 𝑦. Que peut -on en déduire ?

𝑥𝑖 𝑦𝑖 9735 10416 11115 12354 13098 13860 70578

Exercice n02
Cherchons la covariance de 𝑥 et 𝑦 Le tableau suivant donne le chiffre d’affaires 𝑦𝑖 d’une
𝑛 𝑛 𝑛 entreprise, exprimés en milliers de gourdes, pendant huit
1 1 1
𝑐𝑜𝑣(𝑥; 𝑦) = ∑ 𝑥𝑖 𝑦𝑖 − ∑ 𝑥𝑖 × ∑ 𝑦𝑖 années consécutives 𝑥𝑖 :
𝑛 𝑛 𝑛
𝑖=1 𝑖=1 𝑖=1
1 1 1 𝑥𝑖 1 2 3 4 5 6 7 8
𝑐𝑜𝑣(𝑥; 𝑦) = × 70578 − ( × 408 × × 1035) 𝑦𝑖 41 68 55 80 95 104 100 122
6 6 6
𝒄𝒐𝒗(𝒙 ; 𝒚) = 33 a. Représenter le nuage de points associé à cette série
Cherchons 𝑉(𝑥) statistique.
𝑛 𝑛 2
1 1 b. Calculer les coordonnées de 𝐺 point moyen du nuage
𝑉(𝑥) = ∑ 𝑥𝑖2 − ( ∑ 𝑥𝑖 )
𝑛 𝑛 de points.
𝑖=1 𝑖=1
2
1 1 c. On partage le nuage de points en deux parties
𝑉(𝑥) = ( × 27996) − ( × 408)
6 6 d’effectifs égaux : {𝑀𝑖 }1≤𝑖≤4 et {𝑀𝑖 }5≤𝑖≤8
𝑽(𝒙) = 42 1. Calculer les coordonnées de 𝐺1 et 𝐺2 points
Cherchons 𝑉(𝑦) moyens respectifs des nuages partiels ainsi
𝑛 𝑛 2
1 1 obtenus
𝑉(𝑦) = ∑ 𝑦𝑖2 − ( ∑ 𝑦𝑖 )
𝑛 𝑛 2. Déterminer une équation de la droite (𝐺1 𝐺2 ) et
𝑖=1 𝑖=1
2
1 1 représenter cette droite.
𝑉(𝑦) = ( × 178695) − ( × 1035)
6 6 d. Démontrer que 𝐺 appartient à la droite (𝐺1 𝐺2 ).
𝑽(𝒚) = 26.25 e. En supposant que l’évolution du chiffre d’affaires de
La relation (1) devient :
33
cette entreprise gardera la même tendance, calculer ce
𝑟= chiffre d’affaires pour la dixième année
√42 × 26.25
33 f. En supposant que l’évolution du chiffre d’affaires de
𝑟= cette entreprise gardera la même tendance, calculer
33.2039
𝒓 = 𝟎. 𝟗𝟗 l’année où le chiffre d’affaires 150 milliers de
gourdes.
On peut en déduire qu’il y a de bonne corrélation
entre le poids 𝒙 et taille 𝒚.
Exercice n03
EXERCICES Le tableau ci-dessous représente l’évolution du nombre
annuel moyen d’accidents du travail.
Exercice n01 Année Rang de l’année 𝑥𝑖 Nombre annuel moyen
Les notes obtenues par 10 élèves aux épreuves de d’accidents du travail 𝑦𝑖
biologie, 𝑥𝑖 et de physique, 𝑦𝑖 d’un examen sont indiquées 2005 1 108.5
dans le tableau suivant : 2006 2 103.3
𝑥𝑖 9 12 5 6 9 14 3 6 12 14 2007 3 95.1
𝑦𝑖 10 13 8 10 13 17 5 8 16 16 2008 4 90.9
a. Représenter le nuage de points associé à cette série 2009 5 88.9
statistique. 2010 6 83.2
b. Calculer les coordonnées de 𝐺 point moyen du nuage 1. Représenter graphiquement dans un repère le nuage
de points. de points associé à cette série.

Le Zabile de la Baz-île Page 5

2. Compléter le tableau. c. Calculer la variance de 𝑉(𝑥)
𝑥𝑖 𝑦𝑖 𝑥𝑖 𝑦𝑖 𝑥𝑖2 𝑦𝑖2 d. Déterminer la droite de régression de 𝑦 en 𝑥.
1 108.5 e. Estimer la distance de freinage pour une vitesse de
2 103.3 70 𝑘𝑚. ℎ−1.
3 95.1 f. Quelle serait la vitesse pour une distance de freinage
4 90.9 de 10 𝑚.
5 88.9 g. Calculer le coefficient de corrélation linéaire,
6 83.2
conclure sur l’intensité de la liaison entre 𝑋 et 𝑌. Tirer
Total
3. Calculer les coordonnées du point moyen G et le une conclusion.
placer dans le repère. Exercice n06
4. Déterminer : Le tableau suivant donne le bénéfice cumulé milliers de
a. La variance de X ; gourdes d’une entreprise sur une période de 5 ans :
b. La covariance de (𝑋, 𝑌) ; Année 𝑥𝑖 1 2 3 4 5
5. Ecrire l’équation de la droite de régression de 𝑦 en 𝑥 Bénéfice cumulé 𝑦𝑖 10 19 31 39 50
par la méthode des moindres carres. 1. Représenter graphiquement la série statistique
(𝑥𝑖 , 𝑦𝑖) .
Exercice n04
2. Un ajustement affine est-il envisageable ?
On considère le tableau statistique suivant :
3. Calculer les coordonnées du point moyen G du nuage
𝑥𝑖 10 30 50 70 90 100
de points. Le placer sur le graphique.
𝑦𝑖 −6 4 6 14 30 34
a. Dans un repère orthonormal, représenter le nuage de 4. Tracer la droite D d’équation :
point associé à cette série statistique. 𝑦 = 10𝑥 − 0,2
b. Soit 𝐷 la droite passant par les deux points extreme 5. 𝐷 peut-elle être considérée comme une droite
du nuage et ∆ la droite d’équation 𝑦 = 0.48𝑥 − 15.6. d’ajustement du nuage de points.
Exercice n07
Tracer les deux droites dans le repère précédent. Dans la série statistique ci-dessous, deux valeurs ont été
c. Déterminer l’équation réduite de 𝐷. enlevées. On connait, par contre, le point moyen 𝐺 par
ses coordonnées : 𝐺(7.5 ; 12.6)
Exercice n05
𝑥𝑖 8.2 7.4 6.1 9
Le tableau ci-donne la distance de freinage en 𝑚, 𝑦𝑖 d’un
𝑦𝑖 15 12.1 16.3 12
véhicule sur une route sèche en fonction de sa vitesse en
1. Déterminer les valeurs manquantes 𝑥3 et 𝑦4 .
𝑘𝑚. ℎ−1, 𝑥𝑖 :
𝑥𝑖 𝑦𝑖
2. Représenter le nuage de points (𝑥𝑖 , 𝑦𝑖) dans un repère
40 8 orthogonal.
50 12 3. Déterminer les coordonnées du point moyen G du
60 18 nuage de points. Le placer sur le graphique.
80 32 4. Déterminer la covariance de 𝑥 et de 𝑦, la variance de
100 48 𝑥 et la variance de 𝑦.
a. Représenter dans un repère orthogonal le nuage de 5. Déterminer la droite de régression :
points associé à cette série. a. 𝐷 de 𝑥 en 𝑦
b. Calculer la covariance entre la vitesse (𝑋) et la b. 𝐷′ de 𝑦 en 𝑥
distance (𝑌). Que peut-on en déduire sur la relation 6. Démontrer que le deux droites 𝐷 et 𝐷′ se coupent
entre 𝑋 et 𝑌 ? en 𝐺 le point moyen du nuage de points.

Le Zabile de la Baz-île Page 6

Le Zabile de la Baz-île Page 7