Techniques

statistiques
Rachid Jahidi

R. Jahidi 1
 C’est quoi la statistique?
 La statistique est la discipline qui étudie
des phénomènes à travers la collecte
de données, leur traitement, leur analyse,
l'interprétation des résultats et
leur présentation afin de rendre ces données
compréhensibles par tous.
 C'est à la fois une science, une méthode et
un ensemble de techniques.
 Elle permet de réduire l’incertitude pour
une bonne prise de décision

R. Jahidi 2
 Le but essentiel de la statistique
et
le rôle du statisticien

sont précisément d’éviter le

manque d’objectivité !

R. Jahidi 3
 Statistique
descriptive

R. Jahidi 4
  La Statistique Descriptive est l'ensemble
des méthodes et techniques permettant de
présenter, de décrire, de résumer, des
données nombreuses et variées.
 Il faut préciser d'abord quel est l'ensemble
étudié, appelé population statistique, dont
les éléments sont des individus ou unités
statistiques.
Chaque individu est décrit par une ou
plusieurs variables, ou caractères
statistiques.
R. Jahidi 5
 Les variables peuvent
être de deux natures

Qualitatives Quantitatives

Nominales Ordinales Discrètes Continues

R. Jahidi 6
 EXEMPLE : Chiffres d'affaires de
supermarchés
 On dispose pour tous les
Déc. 17 Déc. 18 Evolution
supermarchés d'une
SM1 35 850 60 000 SUP chaîne C de leurs chiffres
d'affaires aux mois de
SM2 25 650 11 125 INF décembre 2017 et
SM3 60 000 60 000 STABLE décembre 2018 et de
l’évolution de ce dernier.
SM4 55 000 45 500 INF
 Quelle est la population
SM5 50 000 55 000 SUP étudiée ?
SM6 75 000 76 000 SUP  De quelle(s) variable(s)
dispose-t-on ? Nature des
. . . . variables?
. . . .  En est-il de même si on
note -1, 0, 1 selon
l'évolution du chiffre ?

R. Jahidi 7
 Exemple : cas alphajus
Les données n = 40 personnes
boisson achat goût pour le consommation Boisson préférée
préférée préalable sucre de boisson
_________ _________ ____________ ____________ 1 = alphajus
2 2 1 4 2 =bettajus
1 1 2 8
2 2 3 2
1 1 2 10 Achat préalable
1 2 1 7 1 = oui
1 1 3 6
2 2 1 4 2 = non
.
.
. Goût Sucre
1 2 2 5
1 1 3 3 1 = oui
2 2 1 11 2= indifférent
1 1 3 9
1 2 1 6 3 = non
2 2 3 2
1 1 2 5
R. Jahidi 8
N° client SOLDE NBPR NEMP RETR CLAGE CSP
1 2305 0 1 0,7 de 30 à 50 cadre sup
2 15259 3 1 0 moins de 30 cadre sup
3 1236 1 0 2 moins de 30 cadre
4 8241 6 4 36 de 30 à 50 cadre sup
5 6210 5 3 80,5 de 30 à 50 cadre
6 6871 6 4 98 plus de 50 profession libérale
7 1580 2 1 5,5 moins de 30 cadre
8 9630 5 3 110,5 de 30 à 50 cadre sup
9 4230 2 0 20 plus de 50 profession libérale
10 3620 1 1 3,1 moins de 30 cadre
11 10258 6 4 253,7 de 30 à 50 cadre
12 23698 2 0 2 de 30 à 50 cadre sup
13 3698 1 1 3,2 de 30 à 50 profession libérale
14 231 1 0 0,1 moins de 30 cadre
15 501 1 1 10,1 plus de 50 profession libérale
16 3693 2 0 21,5 plus de 50 cadre sup
17 963 1 0 5,1 de 30 à 50 profession libérale
18 15802 2 0 0,1 de 30 à 50 cadre
19 502 2 2 0,8 moins de 30 cadre
20 7896 6 3 98,1 moins de 30 cadre sup
21 23698 3 0 8,1 de 30 à 50 cadre sup
22 27896 3 0 0 de 30 à 50 cadre
23 5687 5 3 110 de 30 à 50 cadre sup
24 1269 1 2 5,1 plus de 50 profession libérale
25 3687 2 1 52 plus de 50 cadre sup
26 9631 2 0 0 moins de 30 cadre sup
27 75632 3 0 0 de 30 à 50 cadre sup
28 5523 5 4 110,5 de 30 à 50 cadre
29 6984 4 4 85,1 moins de 30 cadre sup
30 85214 3 0 1 de 30 à 50 cadre sup

R. Jahidi 9
Les variables seront ensuite
analysées différemment selon
leur nature (quantitative,
qualitative, etc.), au moyen de
tableaux, graphiques et calcul
de paramètres-clé.

R. Jahidi 10
 Analyse univariée

A partir d'un tableau

individus x variables, on
fera dans un premier temps
une description
unidimensionnelle de
chacune des variables, prise
séparément.
R. Jahidi 11
Le but est d'obtenir des résumés
clairs et concis, mais en
conservant l'essentiel de
l'information contenue dans les
données initiales, et en utilisant
des techniques objectives ne
donnant pas une image déformée
de la réalité.

R. Jahidi 12
 I. Les tableaux
Ils ont pour but de résumer les
données brutes sous une forme
synthétique.

R. Jahidi 13
On a noté la situation familiale des 150
employés d'une entreprise.
Noms Situation de famille
M.Azim Marié
MFarid Veuf
Mme Latifi Mariée
Melle Fatiha Célibataire
M. Ahmed Divorcé
M. Salih Marié
M. Berrada Divorcé
Mme Réda Divorcée
Melle Fatiha Célibataire
M. Halim Marié
M. Chadi Veuf
Mme Faouzi Mariée
... ...
R. Jahidi 14
 Cela peut se résumer par :
Modalités Effectifs
Marié 80
Célibataire 30
Veuf 20
Divorcé 20

R. Jahidi 15
 J’aime mes boissons au jus d’orange sucré

goût pour le sucré

Fréquence
Valide d'accord 14
je ne suis pas sûr 13
pas d'accord 13
Total 40

R. Jahidi 16
 On notera x1, x2, ..., xk les
différentes modalités de la
variable qualitative et n1, n2, ... ,
nk les effectifs associés.
La somme des effectifs
vaut n.

R. Jahidi 17
 De même, pour une
variable discrète, on
notera x1 , x2 , ... , xk les
valeurs rangées par ordre
croissant, et n1 , n2 , ... ,
nk les effectifs
correspondants.
R. Jahidi 18
 Une variable continue ne prend
pas des valeurs isolées, mais
des valeurs appartenant à des
intervalles. C'est pourquoi, au
lieu de définir des effectifs par
valeurs, on définira des
effectifs par intervalles,
appelés classes.
R. Jahidi 19
 On découpera ainsi l'intervalle des
valeurs en classes contigües, de la
forme :
[ e1 ; e2 [ [ e2 ; e3 [ [ e3 ; e4 [
....
[ ek ; ek+1 [
et on notera n1, n2, ... , nk les
effectifs associés.
ni est le nombre d'individus
appartenant à la classe [ ei ; ei+1 [.
R. Jahidi 20
  Le choix des classes est parfois
délicat. A priori tout choix tel
qu'on ait des classes contigües
recouvrant l'ensemble des valeurs
est correct : chaque individu
appartient à une classe et une
seule.

R. Jahidi 21
 consommation de boisson Données en classes
Fréquence
Valide 1
classe Fréquence
1
2 4
3 5 <à2 1
4 5
5 5 2à4 9
6 4
4à6 10
7 5
8 3 6à8 9
9 3
10 2 8 à 10 6
11 1
12
10 à 12 3
1
13 1 12 à 14 2
Total 40

R. Jahidi 22
R. Jahidi 23
II. Les graphiques

Pour visualiser une

distribution statistique, il est
généralement plus parlant
d'utiliser un graphique, à la
place ou en complément du
tableau.

R. Jahidi 24
 Variable Qualitative

Dans le cas d'une variable qualitative, les modalités

ne peuvent pas être représentées sur un axe, selon
une échelle donnée, car elles ne sont pas
numériques.
On utilise surtout dans ce cas des diagrammes
circulaires (ou "camemberts").
Une représentation équivalente consiste à
construire un diagrammes en barres : chaque
rectangle a une base constante et une hauteur
proportionnelle à l'effectif ni ou à la fréquence fi .

R. Jahidi 25
 goût pour le sucré
d'accord
je ne suis pas sûr
pas d'accord
pas d'accord n=13
d'accord n=14
Les secteurs montrent effectifs

je ne suis pas sûr n=13

12
Effectif

0
d'accord j e ne su is pa s sû r pa s d 'a ccord

goût pour le sucré

R. Jahidi 26
 Variable Quantitative

Dans le cas d'une variable

quantitative, les valeurs
observées, numériques, seront
toujours placées selon un axe,
en suivant une échelle précise.

R. Jahidi 27
Cas d’une variable discrète

Après un tri à plat conduisant à la

distribution observée, on
représente celle-ci par un
diagramme en bâtons les xi sont
placés suivant une échelle sur
l'axe des abscisses, et les
effectifs ni sont matérialisés par
un "bâton" de longueur ni (axe
des ordonnées).
R. Jahidi 28
 Représentation selon les fréquences

R. Jahidi 29
 Cas d'une variable continue :
Histogramme

un histogramme est
une représentation
graphique permettant de représenter la
répartition d'une variable continue en la
représentant avec des colonnes
verticales.
C’est un moyen rapide pour étudier la
répartition d’une variable.

R. Jahidi 30
 Histogramme des effectifs
10

8
Les classes sont de
même amplitude, on
Fréquence

4
reporte les effectifs
sur l’axe des
ordonnés
2

Mean = 5,88
Std. Dev. = 2,972
0 N = 40
0 2 4 6 8 10 12 14
consommation de boisson

Si les classes ne sont pas de même amplitude,

on choisi une amplitude de base noté a0 et on
corriges les fréquences par la formule :
effectif corrige= effectif observe x(a0/ai)
R. Jahidi 31
Loyers parisiens
L'histogramme ci-dessous résulte de l'étude du montant du
loyer mensuel hors-charges de 1 000 grands appartements
parisiens de même superficie.
1) En déduire les effectifs :
Montant des loyers Effectifs
[ 500 - 1 000 [ 30
[ 1 000 - 1 500 [

[ 1 500 - 2 000 [

[ 2 000 - 2 500 [

[ 2 500 - 3 000 [

[ 3 000 - 3 500 [

[ 3 500 - 4 000 [

[ 4 000 - 5 000 [

[ 5 000 - 6 000 [

[ 6 000 - 8 000 [
Total : 1 000

R. Jahidi 32
Paramètres statistiques
En plus des tableaux et
graphiques, on résume
l'observation d'une variable
quantitative par un petit nombre
de paramètres.

R. Jahidi 33
I - Paramètres de tendance centrale

La moyenne arithmétique d'une série

brute numérique x1 , x2 , ... , xn est
le quotient de la somme des
observations par leur nombre :
𝑛
1
𝑥 = ෍ 𝑥𝑖
𝑛
𝑖=1

R. Jahidi 34
 La moyenne arithmétique; lorsque les
données sont sous forme d’un tableau (xi,ni)
i=1,…,k, ; s’écrit:
𝑘
1
𝑥 = ෍ 𝑛𝑖 𝑥𝑖
𝑛
𝑖=1

Pour une variable continue, elle s’écrit :

𝑘
1
𝑥 = ෍ 𝑛𝑖 𝑐𝑖
𝑛
𝑖=1
Avec 𝑐𝑖 𝑐𝑒𝑛𝑡𝑟𝑒 𝑑𝑒 𝑐𝑙𝑎𝑠𝑠𝑒 𝑒𝑡 𝑛𝑖 𝑒𝑓𝑓𝑒𝑐𝑐𝑡𝑖𝑓 𝑎𝑠𝑠𝑜𝑐𝑖é

R. Jahidi 35
Calculons la moyenne de la consommation de boisson
consommation de boisson Données en classes
Fréquence
Valide 1
classe Fréquence
1
2 4
3 5 <à2 1
4 5
5 5 2à4 9
6 4
4à6 10
7 5
8 3 6à8 9
9 3
10 2 8 à 10 6
11 1
12
10 à 12 3
1
13 1 >= à 12 2
Total 40

R. Jahidi 36
Consommation comme variable
discrète :
Moyenne =
(1x1)+(2x4)+…+(12x1)+(13x1)=5,775.
Consommation comme variable
continue :
Moyenne =
(1x1)+(3x9)+…+(11x3)+(13x2)= 6,375.

R. Jahidi 37
 La moyenne s'exprime toujours
dans la même unité que les
observations xi . Elle peut être
décimale, même si les xi sont
entiers par nature.

R. Jahidi 38
 Défauts de la moyenne.

1) Dans une entreprise de 100 salariés, le salaire

moyen est égal à 8 400 Dh.
Supposons qu'une erreur se soit glissée lors de la
transcription des salaires.
Monsieur Dahbi est crédité d'un salaire de 108
000 DH au lieu de 8 000 Dh.
De combien augmenterait la moyenne ?

R. Jahidi 39
 2) Comparons le salaire moyen dans 2 entreprises :
Entreprise A :
1/ 3 de femmes , salaire moyen 8000Dh
2/3 hommes, salaire moyen 11000
Dans l'entreprise A le salaire moyen est de : 10000
Entreprise B :
2/ 3 de femmes , salaire moyen 9000Dh
1/3 hommes, salaire moyen 12000
Dans l'entreprise B le salaire moyen est de : 10000

R. Jahidi 40
CONCLUSION

 La moyenne est sensible aux valeurs

extrêmes
 La moyenne traduit mal la structure
de la population

R. Jahidi 41
La médiane : M

Si la série brute des valeurs observées est

triée par ordre croissant :
𝑥(1) ≤ 𝑥(2) ≤ ⋯ ≤ 𝑥(𝑛)
la médiane M est la valeur du milieu, telle
qu'il y ait autant d'observations "au-
dessous" que "au-dessus".

R. Jahidi 42
 c'est-à-dire que
 Si n est impair, soit n = 2 p + 1 ,
𝑀 = 𝑥(𝑝+1)

 Si n est pair, soit n = 2 p, toute valeur de

l'intervalle médian [ x(p) ; x(p+1) ] répond à la
question.
Afin de définir M de façon unique, on choisit
souvent
𝑥(𝑝) + 𝑥(𝑝+1)
𝑀=
2

soit le centre de l'intervalle médian.

R. Jahidi 43
 Calculons la médiane de la
consommation de boisson
consommation de boisson

Fréquence
Valide 1 1 𝑛 = 40 = 2𝑥20
𝑥(21) +𝑥(20) 5+6
2 4 Med= = = 5,5
3 5 2 2
4 5
5 5
6 4
7 5
8 3
9 3
10 2
11 1
12 1
13 1
Total 40
R. Jahidi 44
Le mode

 Une distribution est unimodale si

elle présente un maximum marqué,
et pas d'autres maxima relatifs (sur
le diagramme en bâtons ou
l'histogramme)
 L'abscisse du maximum,
correspondant à la valeur la plus
fréquente de la série, est appelée
le mode.
R. Jahidi 45
 Si la distribution présente 2 ou plus maxima
relatifs, on dit qu'elle est bimodale ou
plurimodale. Cela signifie que la population
est hétérogène du point de vue de la
variable observée.

 La population est composée de plusieurs

sous-populations ayant des caractéristiques
de tendance centrale différentes.

R. Jahidi 46
  Exemple

Mode absolu = 8
Mode relatif =13

Mode absolu = 1,75

Mode relatif = 1,65

R. Jahidi 47
 Tendance centrale

 la moyenne (arithmétique), éventuellement

pondérée.
 la médiane : M est insensible aux valeurs
aberrantes, mais se prête moins bien aux
calculs que la moyenne.
 le mode dans le cas particulier d'une
distribution unimodale.

R. Jahidi 48
 Forme de la distribution
La comparaison de ces trois paramètres
donne des indications sur la symétrie de la
distribution.

Distribution symétrique
moyenne = médiane = mode

Biais positif: Biais négatif:

mode < médiane < moyenne Moyenne < médiane < mode
R. Jahidi 49
 Paramètres de position

Les paramètres de tendance

centrale ne suffisent généralement
pas pour caractériser une
distribution. Ainsi, pour les 2 séries
représentées ci-après, calculons les
paramètres de tendances centrales

R. Jahidi 50
 Mode=9 Mode=9
Médiane=𝑥(8) = 10 Médiane=𝑥(8) = 10
Moyenne= Moyenne=
8×1 + 9×5 +⋯+(16×1) 2×3 + 9×4 +⋯+(18×3)
= 11 = 11
15 15

R. Jahidi 51
 Les fractiles
 On appelle fractiles d'ordre k les valeurs F1 , F2 ,
... , Fk-1 qui divisent la série en k parties
d'effectifs égaux.
 Par exemple les quartiles Q1, Q2 , Q3 divisent la
série statistique ordonnée en 4 parties d'effectifs
égaux.
 Les déciles D1 , ... , D9 divisent la série ordonnée
en dix parties d'effectifs égaux.
 Les centiles divisent la série ordonnée de façon
croissante en 100 parties de mêmes effectifs.

R. Jahidi 52
R. Jahidi 53
  Ces fractiles se calculent
exactement comme la médiane.
 Le quartile Q2 est d'ailleurs égal à la
médiane.
 Les déciles, et surtout les centiles,
n'ont de sens que si n est
suffisamment grand (plusieurs
centaines au moins pour des
centiles).

R. Jahidi 54
Exemple de calcul du 1er quartile
 Appelons n le nombre des valeurs d'une
série, et calculons 0,25*n = n/4.
 Lorsque n/4=p est entier, la valeur
représentant le premier quartile est la p-
ième valeur par ordre croissant.
 Lorsque n/4 est un décimal non entier, on
l'arrondit à l'entier supérieur p et alors la
valeur représentant le premier quartile est
la p-ième valeur par ordre croissant.
 Exemple 1: Dans la série 10; 25; 30; 40;
41; 42; 50; 55; 70; 101; 110; 111, quelle
est la valeur de Q1?

R. Jahidi 55
Exemple de calcul du 3ème
quartile
 Lorsque 3n/4 =p est entier, la valeur
représentant le troisième quartile est
la p-ième valeur par ordre croissant.
 Lorsque 3n/4 est un décimal non entier,
on l'arrondit à l'entier supérieur p et
alors la valeur représentant le troisième
quartile est la p-ième valeur par ordre
croissant.
 Exemple : Dans la série: 10; 25; 30; 40;
41; 42; 50; 55; 70; 101; 110; 111;
113, quelle est la valeur de Q3?

R. Jahidi 56
 Calculons les quartiles associés à ces
deux séries

 Q1=9  Q1=9
 Q3=14  Q3=17

R. Jahidi 57
Paramètres de dispersion

 Deux distributions peuvent, tout en

ayant des caractéristiques de
tendance centrale voisines, être
très différentes.
 Il est donc nécessaire de mesurer la
dispersion des valeurs autour des
tendances centrales.

R. Jahidi 58
L'Étendue : R
 L'étendue (ou amplitude) d'une série
statistique est la différence entre la
valeur maximum et la valeur minimum
de la série.
R = Maximum (X) - Minimum (X)
 Facile à déterminer, l'étendue ne
dépend que des 2 observations
extrêmes qui sont parfois le fait de
situations exceptionnelles.
 Il est donc difficile de considérer
l'étendue comme une mesure stable de
la dispersion.
R. Jahidi 59
Ecart interquartile

 Afin de diminuer l'influence des

valeurs extrêmes on peut tenir
compte de valeurs plus stables de la
distribution.
 intervalle interquartile [ Q1 , Q3 ] ou
écart interquartile = Q3 - Q1

R. Jahidi 60
 Etendu = 8 Étendu =16
Ecart interquartile = 5 Ecart interquartile = 8

R. Jahidi 61
 Pour mesurer la dispersion de part et
d'autre de la moyenne, il faut mesurer
l'ordre de grandeur des xi
1 𝑛
 A quoi est égal σ (𝑥 − 𝑥)
𝑛 𝑖=1 𝑖
𝑛 𝑛
1 1
෍(𝑥𝑖 − 𝑥) = ෍ 𝑥𝑖 − 𝑥ҧ
𝑛 𝑛
𝑖=1 𝑖=1
=0

R. Jahidi 62
 On calcule parfois l'écart absolu moyen
𝑛
1
෍ 𝑥𝑖 − 𝑥
𝑛
𝑖=1

mais il est peu utilisé car se prête mal aux calculs.

 La variance est très utilisée, c'est
𝑛 𝑛
1 1 2
෍ 𝑥𝑖 − 𝑥 2
= ෍ 𝑥𝑖2 − 𝑥
𝑛 𝑛
𝑖=1 𝑖=1

moyenne des carrés des écarts à la moyenne.

R. Jahidi 63
 Ce nombre est-il toujours > 0 ?

C'est pourquoi on le note s², s étant l'écart-

type
𝑛
1 2
𝑠= ෍ 𝑥𝑖 − 𝑥
𝑛
𝑖=1

L'écart-type s'exprime, contrairement à la

variance, dans la même unité que les xi
R. Jahidi 64
 La variance lorsque les données sont sous
forme d’un tableau (xi,ni) i=1,…,k, s’ecrit:
𝑘 𝑘
1 1 2
෍ 𝑛𝑖 𝑥𝑖 − 𝑥 2
= ෍ 𝑛𝑖 𝑥𝑖2 − 𝑥
𝑛 𝑛
𝑖=1 𝑖=1

Pour une variable continue, elle s’écrit :

𝑘 𝑘
1 1 2
෍ 𝑛𝑖 𝑐𝑖 − 𝑥 2 = ෍ 𝑛𝑖 𝑐𝑖2 − 𝑥
𝑛 𝑛
𝑖=1 𝑖=1

Avec 𝑐𝑖 𝑐𝑒𝑛𝑡𝑟𝑒 𝑑𝑒 𝑐𝑙𝑎𝑠𝑠𝑒 𝑒𝑡 𝑛𝑖 𝑒𝑓𝑓𝑒𝑐𝑐𝑡𝑖𝑓 𝑎𝑠𝑠𝑜𝑐𝑖é

R. Jahidi 65
 Interprétation de L’Écart-type

En général, on retrouve :
◼ plus de 95% des données dans l ’intervalle
[  - 2 ,  + 2 ],
◼ toutes les données (ou presque 100%)
dans l ’intervalle [  - 3 ,  + 3 ].

R. Jahidi 66
 Coefficient de variation :
Cv = écart-type/moyenne
Cv < 0,25 concentration
Cv > 0,25 dispersion

R. Jahidi 67
Calculons les écarts types des
deux séries

𝑘 𝑘
1 2
1 2
෍ 𝑛𝑖 𝑥𝑖 − 𝑥 = 5,26 ෍ 𝑛𝑖 𝑥𝑖 − 𝑥 = 33,6
𝑛 𝑛
𝑖=1 𝑖=1
s1=2,36 s2= 5,74
Cv=0,21
R. Jahidi
Cv=0,52 68
 N Valide 40

Manquante 0
Moyenne 5,88 Cas
alphajus :
Médiane 5,50
Mode 3(a)
Ecart-type
Variance
2,972
8,830
Statistique
Intervalle
Centiles 25 3,25
12
descriptive
50 5,50

75 8,00

a Il existe de multiples modes

R. Jahidi 69
Traitement bivarié
 Croisement de variable
quantitative:
 On a noté la taille (en cm) et
le poids (en kg)
de 60 enfants d'une école.
La représentation
simultanée des deux
variables consiste en
un nuage de points :
 on place dans un repère
cartésien les n points Mi de
coordonnées ( xi , yi ).

Ceci permet de visualiser le lien entre X et Y : ici on constate que

le poids a tendance à augmenter avec la taille, mais pas de
façon systématique (des enfants de même taille ont des poids
différents ; des enfants de même poids ont des tailles
R. Jahidi 70
différentes).
On appelle centre de gravité du nuage le point G de coordonnées :

R. Jahidi 71
Pour mesurer la variation conjointe de X et Y,
on utilise les produits : (𝑥𝑖 − 𝑥)(𝑦
ҧ 𝑖 − 𝑦)
ത

Dans le quadrant I , ce
produit est : +
Dans le quadrant II, ce
produit est : -
Dans le quadrant III, ce
produit est : +
Dans le quadrant IV , ce
produit est : -

R. Jahidi 72
On appelle covariance de X et Y le nombre
𝑛
1
𝑐𝑜𝑣 𝑋, 𝑌 = ෍(𝑥𝑖 − 𝑥)(𝑦
ҧ 𝑖 − 𝑦)
𝑛
𝑖=1
Si tous les points étaient
en I et III
cov ( X , Y ) serait positive
Si tous les points étaient
en II et IV
cov ( X , Y ) serait négative .
La covariance est positive
si X et Y ont tendance à varier
dans le même sens, et
négative si elles ont tendance
à varier
R. Jahidi
en sens contraire. 73
  La covariance ne dépend pas de l'origine
choisie pour X et Y, mais dépend des
unités de mesure. C'est pourquoi, pour
mesurer l'aspect plus ou moins "allongé"
du nuage dans une direction, par un
coefficient sans unité, on mesure la
covariance entre :
X/Sx et Y/Sy
 C'est le coefficient de corrélation linéaire :

R=  ( x i − x )( y i − y)
 ( x i − x )  ( y i − y)
2 2

R. Jahidi 74
 Le coefficient de corrélation r de Pearson sert à mesurer
l’intensité de la relation linéaire entre deux variables
quantitatives.
 Le coefficient de corrélation r prendra des valeurs entre
-1 et 1.
 S ’il existe une relation linéaire parfaite entre X et Y
alors r = 1 (r =1 si X et Y varient dans le même sens et
r = -1 si X varie dans le sens opposé à Y).
 Si r = 0, ceci indique qu ’il n ’y a pas de lien linéaire
entre X et Y.
 Plus la valeur de r s ’éloigne de 0 pour s ’approcher de
1 plus l ’intensité du lien linéaire entre X et Y grandit.

R. Jahidi 75
 Tendances des exportation et
importation de bien et services.

R. Jahidi 76
Cor(impor,expor)=0,855
Valeurs import/PIB Courbe de régression
45

40

35
Valeurs export/PIB

30
Valeurs export/PIB
25 Prévisions Valeurs export/PIB

20

15

10
10 15 20 25 30 35 40 45 50 55
Valeurs import/PIB

R. Jahidi 77
Cor(impor,expor)=0,936

Valeurs import/PIB Courbe de régression

40

35
Valeurs export/PIB

30

Valeurs export/PIB
25 Prévisions Valeurs export/PIB

20

15
10 15 20 25 30 35 40 45 50 55
Valeurs import/PIB

R. Jahidi 78