Chargement du manuel…
Chargement du manuel…
Chargement du manuel…
Chargement du manuel…
Chargement du manuel…
Chargement du manuel…
Chargement du manuel…
Chargement du manuel…
Chargement du manuel…
Chargement du manuel…
Chargement du manuel…
Chargement du manuel…
Chargement du manuel…
Chargement du manuel…
Chargement du manuel…
Chargement du manuel…
Chargement du manuel…
Chargement du manuel…
Première S1-S3 · TD — Leçon 9 — Statistique à deux variables — Mathématiques Première
Statistique à deux variablesTravaux dirigés
23 exercices guidés et sujets de devoir, avec corrigés détaillés, sur la leçon « Statistique à deux variables ». Énoncés d'abord, corrigés dans la seconde partie.
Comment utiliser ce TD
Ce TD accompagne le cours de la leçon Statistique à deux variables (Première S1-S3). Il se travaille après le cours et le manuel d'exercices : les 23 exercices sont plus longs, chacun guidé par plusieurs questions progressives, comme dans un devoir surveillé.
Relire les « À retenir » du cours ou la fiche de révision ; chercher sans regarder le corrigé ; comparer ensuite étape par étape ; refaire plus tard les exercices ratés.
Niveaux : ★ application directe du cours · ★★ plusieurs étapes à organiser · ★★★ problème de synthèse ou sujet de devoir.
Organisation du manuel. La première partie réunit tous les énoncés, série par série ; la seconde partie donne les corrigés. Cherchez chaque exercice avant de consulter son corrigé.
Sommaire
L’essentiel en bref
Série statistique à deux variables. On observe, sur une même population, deux caractères numériques \(x\) et \(y\) ; les couples \((x_i;y_i)\) se représentent par un nuage de points. Le point moyen est \(G(\bar x;\bar y)\), avec \(\bar x=\dfrac{1}{n}\sum x_i\) et \(\bar y=\dfrac{1}{n}\sum y_i\).
Variances et covariance. \(V(x)=\dfrac{1}{n}\sum(x_i-\bar x)^2=\dfrac{1}{n}\sum x_i^2-\bar x^2\) (de même pour \(V(y)\)) ; \(\operatorname{Cov}(x,y)=\dfrac{1}{n}\sum(x_i-\bar x)(y_i-\bar y)=\dfrac{1}{n}\sum x_iy_i-\bar x\,\bar y\).
Droite des moindres carrés (de \(y\) en \(x\)) : \(y=ax+b\) avec \(a=\dfrac{\operatorname{Cov}(x,y)}{V(x)}\) et \(b=\bar y-a\bar x\) ; elle passe par \(G\). La droite de \(x\) en \(y\) est en général différente : \(x=a'y+b'\) avec \(a'=\dfrac{\operatorname{Cov}(x,y)}{V(y)}\) ; les deux droites ne coïncident que si \(r=\pm1\).
Méthode de Mayer. On ordonne les points selon \(x\), on les partage en deux groupes de même effectif (ou presque), on calcule leurs points moyens \(G_1\) et \(G_2\), et la droite de Mayer est \((G_1G_2)\) : son coefficient directeur est \(\dfrac{y_{G_2}-y_{G_1}}{x_{G_2}-x_{G_1}}\).
Coefficient de corrélation linéaire \(r=\dfrac{\operatorname{Cov}(x,y)}{\sigma_x\sigma_y}\), avec \(\sigma_x=\sqrt{V(x)}\) ; \(-1\le r\le1\). Plus \(|r|\) est proche de \(1\), plus le nuage est proche d’une droite ; \(r^2\) s’interprète comme la part de la variabilité de \(y\) « expliquée » par \(x\). Un \(r\) élevé n’établit jamais seul une relation de cause à effet.
Interpolation et extrapolation. Remplacer une valeur à l’intérieur de l’intervalle des \(x_i\) observés par la droite d’ajustement est une interpolation, raisonnablement fiable si \(r\) est proche de \(1\) ; une extrapolation (en dehors de l’intervalle observé) est toujours risquée, même avec un bon \(r\).
Changement de variable. Poser \(t=x-x_0\) (centrage) ou \(t=\dfrac{x-x_0}{p}\) simplifie les calculs sans changer la nature du lien ; il faut revenir ensuite à la variable d’origine.
Exercices guidés
Dans une classe de Première, cinq élèves ont noté le nombre d’heures \(x_i\) consacrées à la révision d’un chapitre et la note \(y_i\) obtenue sur 20 au contrôle suivant.
Heures \(x_i\) — 1 — 2 — 3 — 4 — 5
Note \(y_i\) — 8 — 10 — 13 — 14 — 15
a) Calculer les coordonnées du point moyen \(G\).
b) Calculer \(V(x)\) et \(\operatorname{Cov}(x,y)\).
c) En déduire l’équation \(y=ax+b\) de la droite d’ajustement par la méthode des moindres carrés. Vérifier que \(G\) appartient à cette droite.
d) Un sixième élève a révisé \(3{,}5\) h : quelle note la droite prévoit-elle pour lui ?
Un commerçant de Thiès relève, pendant six journées, la température maximale \(x_i\) (en °C) et le nombre de ventilateurs \(y_i\) vendus.
\(x_i\) — 30 — 32 — 33 — 35 — 36 — 38
\(y_i\) — 5 — 7 — 8 — 11 — 12 — 15
a) Classer les points par \(x\) croissant et les partager en deux groupes de trois.
b) Calculer les points moyens \(G_1\) et \(G_2\) de chaque groupe.
c) En déduire l’équation de la droite de Mayer \((G_1G_2)\).
d) Calculer le point moyen \(G\) de toute la série et vérifier qu’il n’appartient pas forcément à la droite de Mayer.
e) On admet que la droite des moindres carrés est \(y=1{,}262x-33{,}238\) (valeurs arrondies). Comparer son coefficient directeur à celui de la droite de Mayer.
Lors d’une campagne de dépistage, un centre de santé a relevé l’âge \(x_i\) (en années) et la tension systolique \(y_i\) (en mmHg) de cinq patients.
Âge \(x_i\) — 20 — 30 — 40 — 50 — 60
Tension \(y_i\) — 115 — 120 — 125 — 132 — 140
a) Calculer \(\bar x\), \(\bar y\), \(V(x)\) et \(\operatorname{Cov}(x,y)\).
b) Déterminer l’équation de la droite d’ajustement \(y=ax+b\).
c) Estimer la tension systolique d’un patient de \(45\) ans.
d) Un patient de \(70\) ans se présente. Peut-on utiliser la droite pour prévoir sa tension avec la même confiance qu’en c) ? Justifier.
Un apprenti chauffeur de taxi a relevé, pour cinq trajets, la distance \(x_i\) (en km) et le prix payé \(y_i\) (en FCFA).
Distance \(x_i\) — 2 — 4 — 6 — 8 — 10
Prix \(y_i\) — 1000 — 1600 — 2200 — 2800 — 3600
a) Calculer le point moyen \(G\), \(V(x)\) et \(\operatorname{Cov}(x,y)\).
b) Déterminer la droite d’ajustement \(y=ax+b\) et interpréter \(a\) et \(b\) comme une prise en charge et un tarif kilométrique.
c) On admet \(\sigma_x=\sqrt{8}\) et \(\sigma_y=\sqrt{822\,400}\). Calculer le coefficient de corrélation \(r\) (arrondi au millième) et commenter la qualité de l’ajustement.
d) Un client paie \(1\,500\) FCFA : quelle distance la droite laisse-t-elle prévoir ?
Une boutique de tissus a noté, sur cinq journées, le nombre \(x_i\) de clients reçus et son chiffre d’affaires \(y_i\) (en milliers de FCFA).
Clients \(x_i\) — 10 — 15 — 20 — 25 — 30
CA \(y_i\) (milliers) — 80 — 110 — 135 — 170 — 195
a) Calculer \(\bar x\), \(\bar y\), \(V(x)\), \(V(y)\) et \(\operatorname{Cov}(x,y)\) (on donne \(\sum(y_i-\bar y)^2=8\,430\)).
b) Déterminer la droite de régression de \(y\) en \(x\) : \(y=ax+b\).
c) Déterminer la droite de régression de \(x\) en \(y\) : \(x=a'y+b'\).
d) Les deux droites sont-elles identiques ? Que faudrait-il pour qu’elles le soient ?
e) Quelle droite utiliser pour prévoir le chiffre d’affaires à partir d’un nombre de clients donné ? Pour prévoir le nombre de clients nécessaire à un chiffre d’affaires visé ?
Une famille de Kaolack a relevé, pour cinq mois chauds, la température maximale moyenne \(x_i\) (en °C) et sa consommation d’électricité \(y_i\) (en kWh).
\(x_i\) — 28 — 30 — 32 — 34 — 36
\(y_i\) — 120 — 135 — 150 — 160 — 175
a) Montrer que \(\bar x=32\), \(\bar y=148\), \(V(x)=8\) et \(\operatorname{Cov}(x,y)=54\).
b) En déduire la droite d’ajustement \(y=ax+b\).
c) Estimer la consommation pour un mois à \(33\)°C (interpolation), puis pour un mois exceptionnel à \(38\)°C (extrapolation).
d) Laquelle des deux estimations de c) est la plus fiable ? Justifier à l’aide de la position de \(33\) et de \(38\) par rapport aux températures observées.
Une menuiserie a noté, sur cinq mois, le nombre \(x_i\) d’employés et le nombre \(y_i\) de meubles produits.
Employés \(x_i\) — 3 — 4 — 5 — 6 — 7
Meubles \(y_i\) — 18 — 22 — 27 — 31 — 36
a) On pose \(t_i=x_i-5\) (on centre la variable sur sa moyenne). Donner le tableau des \(t_i\) et calculer \(\bar t\).
b) Calculer \(V(t)\) et \(\operatorname{Cov}(t,y)\) ; comparer \(V(t)\) à \(V(x)\) et \(\operatorname{Cov}(t,y)\) à \(\operatorname{Cov}(x,y)\).
c) En déduire la droite \(y=\alpha t+\beta\), puis la droite \(y=ax+b\) en revenant à \(x\) (on remplacera \(t\) par \(x-5\)).
d) Pourquoi le changement de variable ne modifie-t-il ni \(V(x)\)-la-covariance ni le coefficient directeur, mais seulement l’ordonnée à l’origine calculée directement ?
Un agronome a mesuré, sur cinq parcelles, la masse d’engrais \(x_i\) (en kg/ha) et le rendement \(y_i\) (en sacs/ha) : \(\bar x=40\), \(\bar y=50{,}6\), \(V(x)=800\), \(V(y)=196{,}64\), \(\operatorname{Cov}(x,y)=396\).
a) Calculer la droite d’ajustement \(y=ax+b\) et le coefficient de corrélation \(r\) (arrondi au millième).
Dire si chaque affirmation est vraie ou fausse, en justifiant brièvement.
b) « Le \(r\) obtenu prouve que l’engrais est la cause du meilleur rendement. »
c) « Si \(r\) valait exactement \(1\), tous les points du nuage seraient parfaitement alignés. »
d) « La covariance se mesure dans l’unité de \(x\) multipliée par l’unité de \(y\), ici en kg·sac/ha². »
e) « Un coefficient \(r\) négatif signifierait que mettre plus d’engrais ferait baisser le rendement sur ces parcelles. »
Un vendeur ambulant a noté, pendant cinq jours, le nombre \(x_i\) de visites effectuées et le nombre \(y_i\) de ventes réalisées.
Visites \(x_i\) — 5 — 8 — 10 — 12 — 15
Ventes \(y_i\) — 12 — 18 — 21 — 25 — 30
a) Calculer \(\bar x\), \(\bar y\), \(V(x)\), \(\operatorname{Cov}(x,y)\) et le coefficient \(r\) (on donne \(V(y)=37{,}36\)), arrondi au millième.
Un sixième jour, une grève des transports l’empêche de vendre malgré \(20\) visites : il n’a réalisé que \(5\) ventes. On ajoute ce point à la série.
b) Calculer le nouveau point moyen \(\bar x_6\), \(\bar y_6\) sur les six jours.
c) On admet que, sur les six jours, \(\operatorname{Cov}(x,y)=-5{,}167\), \(V(x)=23{,}556\) et \(V(y)=67{,}583\). Calculer le nouveau coefficient de corrélation \(r_6\) (arrondi au millième) et comparer à celui de a).
d) Commenter : un seul point « aberrant » peut-il bouleverser le diagnostic tiré du nuage ?
Sur cinq trajets, un chauffeur a relevé sa vitesse moyenne \(x_i\) (en km/h) et la consommation \(y_i\) de son véhicule (en L/100 km).
Vitesse \(x_i\) — 60 — 80 — 100 — 120 — 140
Consommation \(y_i\) — 5,5 — 6,0 — 7,0 — 7,8 — 9,0
a) Calculer \(\bar x\) et \(\bar y\).
b) Calculer \(V(x)\) et \(\operatorname{Cov}(x,y)\) (on donne \(\sum(y_i-\bar y)^2=7{,}872\)).
c) Déterminer la droite des moindres carrés \(y=ax+b\).
d) Calculer le coefficient de corrélation \(r\) puis \(r^2\) (arrondis au millième), et interpréter \(r^2\) en pourcentage.
e) Estimer la consommation à \(110\) km/h.
Corrigés des exercices 1 à 10 : voir la seconde partie du manuel, « Corrigés — Série 2 ».
Sujets de devoir
Exercice 1 (5 points).
a) (2 points) Donner les formules de \(\operatorname{Cov}(x,y)\) et de la pente \(a\) de la droite des moindres carrés de \(y\) en \(x\).
b) (3 points) Une série de cinq couples vérifie \(\bar x=10\), \(\bar y=40\), \(V(x)=20\) et \(\operatorname{Cov}(x,y)=50\). Calculer la droite d’ajustement \(y=ax+b\) et vérifier que \(G(10;40)\) lui appartient.
Exercice 2 (6 points). Un marché hebdomadaire de Rufisque a enregistré, sur cinq semaines, sa fréquentation \(x_i\) (en centaines de visiteurs) et sa recette \(y_i\) (en milliers de FCFA).
\(x_i\) — 40 — 60 — 80 — 100 — 120
\(y_i\) — 150 — 210 — 260 — 340 — 400
a) (2,5 points) Calculer \(\bar x\), \(\bar y\), \(V(x)\) et \(\operatorname{Cov}(x,y)\).
b) (2 points) Déterminer la droite d’ajustement \(y=ax+b\).
c) (1,5 point) Estimer la recette pour une fréquentation de \(90\) centaines de visiteurs.
Problème (9 points). Un village a vu sa population croître régulièrement ; on note \(t_i\) le nombre d’années depuis le premier recensement (\(t_0=0,\ldots,t_5=5\)) et \(y_i\) la population (en milliers d’habitants).
\(t_i\) — 0 — 1 — 2 — 3 — 4 — 5
\(y_i\) — 8,0 — 8,4 — 8,9 — 9,3 — 9,8 — 10,2
a) (2 points) Calculer \(\bar t\) et \(\bar y\).
b) (2 points) Calculer \(V(t)\) et \(\operatorname{Cov}(t,y)\) (on donne \(\sum(y_i-\bar y)^2=2{,}508\) et \(\sum(t_i-\bar t)(y_i-\bar y)=7{,}8\)).
c) (2 points) Déterminer la droite d’ajustement \(y=at+b\) (coefficients arrondis au millième).
d) (1,5 point) Calculer le coefficient de corrélation \(r\) (arrondi au millième) et commenter la qualité de l’ajustement.
e) (1,5 point) En supposant la tendance maintenue, estimer la population \(8\) ans après le premier recensement, et préciser pourquoi cette estimation est moins sûre que celle d’une année intermédiaire.
Exercice 1 (5 points).
a) (2 points) Énoncer la définition du coefficient de corrélation linéaire \(r\) et donner son signe lorsque \(y\) décroît globalement quand \(x\) augmente.
b) (3 points) On donne \(V(x)=4\), \(V(y)=25\) et \(\operatorname{Cov}(x,y)=-8\). Calculer \(r\) et commenter.
Exercice 2 (6 points). Un piroguier a chronométré, sur cinq trajets, la distance parcourue \(x_i\) (en km) et le temps \(y_i\) (en minutes).
\(x_i\) — 5 — 10 — 15 — 20 — 25
\(y_i\) — 8 — 17 — 24 — 33 — 41
a) (2,5 points) Calculer \(\bar x\), \(\bar y\), \(V(x)\) et \(\operatorname{Cov}(x,y)\).
b) (2 points) Déterminer la droite d’ajustement \(y=ax+b\).
c) (1,5 point) Estimer le temps nécessaire pour un trajet de \(18\) km.
Problème (9 points). Un maraîcher a mesuré, sur six parcelles comparables, le volume d’eau \(x_i\) apporté chaque semaine (en litres) et le rendement \(y_i\) obtenu (en kg) sur ses plants de tomates.
\(x_i\) — 10 — 20 — 30 — 40 — 50 — 60
\(y_i\) — 12 — 18 — 25 — 29 — 36 — 40
a) (2 points) Calculer \(\bar x\) et \(\bar y\).
b) (2,5 points) Calculer \(V(x)\) et \(\operatorname{Cov}(x,y)\) (on donne \(\sum(x_i-\bar x)(y_i-\bar y)=990\)).
c) (2 points) Déterminer la droite d’ajustement \(y=ax+b\) (coefficients arrondis au millième).
d) (1,5 point) Estimer le rendement pour \(35\) litres d’eau par semaine.
e) (1 point) Le maraîcher envisage d’arroser avec \(200\) litres. Pourquoi ce calcul serait-il imprudent avec cette même droite ?
Exercice 1 (5 points).
a) (2 points) Quelle est la formule de \(b\), ordonnée à l’origine de la droite des moindres carrés de \(y\) en \(x\) ? Que représente le point \(G\) pour cette droite ?
b) (3 points) Une série vérifie \(\bar x=6\), \(\bar y=15\), \(V(x)=3\) et \(\operatorname{Cov}(x,y)=9\). Donner la droite d’ajustement et calculer \(y\) pour \(x=10\).
Exercice 2 (6 points). Un agriculteur de Kaffrine a relevé, sur cinq champs, la superficie \(x_i\) (en hectares) et la production de mil \(y_i\) (en sacs).
\(x_i\) — 1 — 2 — 3 — 4 — 5
\(y_i\) — 9 — 16 — 24 — 33 — 40
a) (2,5 points) Calculer \(\bar x\), \(\bar y\), \(V(x)\) et \(\operatorname{Cov}(x,y)\).
b) (2 points) Déterminer la droite d’ajustement \(y=ax+b\).
c) (1,5 point) Estimer la production pour un champ de \(3{,}5\) ha.
Problème (9 points). Un restaurant a noté, sur six services, le nombre de couverts \(x_i\) et son chiffre d’affaires \(y_i\) (en milliers de FCFA).
\(x_i\) — 20 — 30 — 40 — 50 — 60 — 70
\(y_i\) — 90 — 130 — 165 — 205 — 245 — 280
a) (2 points) Calculer \(\bar x\) et \(\bar y\).
b) (2,5 points) Calculer \(V(x)\) et \(\operatorname{Cov}(x,y)\) (on donne \(\sum(x_i-\bar x)(y_i-\bar y)=6\,675\)).
c) (2 points) Déterminer la droite d’ajustement \(y=ax+b\) (arrondis au centième).
d) (1,5 point) Calculer le coefficient de corrélation \(r\) arrondi au millième.
e) (1 point) Combien de couverts faudrait-il servir pour atteindre \(300\,000\) FCFA de recette selon ce modèle ?
Exercice 1 (6 points).
a) (2 points) Peut-on avoir une covariance négative mais un coefficient de corrélation positif ? Justifier à l’aide des formules.
b) (2 points) On donne \(V(x)=5\), \(V(y)=20\), \(\operatorname{Cov}(x,y)=-10\). Calculer \(r\) et préciser le sens de variation de \(y\) en fonction de \(x\).
c) (2 points) Montrer que, dans ce cas, la droite de \(y\) en \(x\) a un coefficient directeur négatif, et le calculer.
Exercice 2 (5 points). Un élève a noté, pour cinq devoirs à la maison, la durée de préparation \(x_i\) (en heures) et le nombre d’erreurs \(y_i\) relevées par le professeur.
\(x_i\) — 2 — 4 — 6 — 8 — 10
\(y_i\) — 18 — 13 — 10 — 7 — 4
a) (2,5 points) Calculer \(\bar x\), \(\bar y\), \(V(x)\) et \(\operatorname{Cov}(x,y)\).
b) (1,5 point) Déterminer la droite d’ajustement \(y=ax+b\) et vérifier son signe.
c) (1 point) Combien d’erreurs la droite prévoit-elle pour \(7\) h de préparation ?
Problème (9 points). Un technicien a mesuré, pour six vitesses de vent \(x_i\) (en m/s), la production \(y_i\) d’une petite éolienne (en kWh/jour).
\(x_i\) — 3 — 5 — 7 — 9 — 11 — 13
\(y_i\) — 1,5 — 3,0 — 5,0 — 7,2 — 9,8 — 12,5
a) (2 points) Calculer \(\bar x\) et \(\bar y\).
b) (2,5 points) Calculer \(V(x)\) et \(\operatorname{Cov}(x,y)\) (on donne \(\sum(x_i-\bar x)(y_i-\bar y)=77{,}6\)).
c) (2 points) Déterminer la droite d’ajustement \(y=ax+b\) (arrondis au millième).
d) (1,5 point) Calculer \(r\) (arrondi au millième, on donne \(V(y)\approx14{,}48\)) et conclure sur la qualité du modèle affine.
e) (1 point) Le technicien veut estimer la production pour un vent de \(25\) m/s. Que lui conseillez-vous ?
Exercice 1 (5 points).
a) (2 points) Expliquer pourquoi un coefficient de corrélation proche de \(0\) ne signifie pas forcément qu’il n’existe aucun lien entre \(x\) et \(y\).
b) (3 points) Pour la série \(x_i\in\{1,2,3,4,5\}\) et \(y_i=x_i^2\), calculer \(\bar x\), \(\bar y\) et commenter, sans calcul complet de \(r\), pourquoi la relation (clairement liée) n’est pourtant pas parfaitement linéaire.
Exercice 2 (6 points). L’âge \(x_i\) (en années) et la valeur de revente \(y_i\) (en milliers de FCFA) de cinq véhicules identiques d’occasion ont été relevés.
\(x_i\) — 1 — 2 — 3 — 4 — 5
\(y_i\) — 950 — 820 — 700 — 590 — 480
a) (2,5 points) Calculer \(\bar x\), \(\bar y\), \(V(x)\) et \(\operatorname{Cov}(x,y)\).
b) (2 points) Déterminer la droite d’ajustement \(y=ax+b\).
c) (1,5 point) Estimer la valeur de revente à \(6\) ans et discuter de la fiabilité de cette estimation.
Problème (9 points). Un inspecteur a relevé, dans six établissements, l’effectif \(x_i\) d’une classe de Première et la moyenne générale \(y_i\) de la classe.
\(x_i\) — 30 — 35 — 40 — 45 — 50 — 55
\(y_i\) — 12,5 — 12,0 — 12,8 — 11,5 — 12,2 — 11,0
a) (2 points) Calculer \(\bar x\) et \(\bar y\).
b) (2 points) Calculer \(V(x)\) et \(\operatorname{Cov}(x,y)\) (on donne \(\sum(x_i-\bar x)(y_i-\bar y)=-20{,}5\)).
c) (2 points) Déterminer la droite d’ajustement \(y=ax+b\) (arrondis au millième) et calculer \(r\) (on donne \(V(y)\approx0{,}3633\)).
d) (3 points) Le coefficient trouvé est faible en valeur absolue. L’inspecteur peut-il en conclure que l’effectif n’a aucune influence sur la réussite des élèves ? Que peut-on dire, en revanche, de la pertinence d’un ajustement affine ici ?
Exercice 1 (5 points).
a) (2 points) Rappeler la formule de la droite de \(x\) en \(y\) (coefficients \(a'\) et \(b'\)) et dire à quelle condition elle coïncide avec la droite de \(y\) en \(x\).
b) (3 points) Une série vérifie \(V(x)=4\), \(V(y)=100\), \(\operatorname{Cov}(x,y)=18\). Calculer \(a\) (droite de \(y\) en \(x\)) et \(a'\) (droite de \(x\) en \(y\)) ; les deux droites sont-elles identiques ?
Exercice 2 (6 points). Une boutique a noté, sur cinq semaines, le nombre \(x_i\) de publicités diffusées à la radio locale et le nombre \(y_i\) de ventes supplémentaires constatées.
\(x_i\) — 2 — 4 — 6 — 8 — 10
\(y_i\) — 20 — 33 — 47 — 58 — 73
a) (2,5 points) Calculer \(\bar x\), \(\bar y\), \(V(x)\) et \(\operatorname{Cov}(x,y)\).
b) (2 points) Déterminer la droite d’ajustement \(y=ax+b\).
c) (1,5 point) Combien de publicités faudrait-il diffuser pour viser \(100\) ventes supplémentaires ?
Problème (9 points). Une entreprise a mesuré, sur cinq mois, son budget publicitaire \(x_i\) (en milliers de FCFA) et son chiffre d’affaires supplémentaire \(y_i\) (en millions de FCFA).
\(x_i\) — 100 — 200 — 300 — 400 — 500
\(y_i\) — 5 — 9 — 14 — 17 — 22
a) (1,5 point) On pose \(t_i=\dfrac{x_i}{100}\) (budget en centaines de milliers). Donner le tableau des \(t_i\) et calculer \(\bar t\).
b) (2,5 points) Calculer \(V(t)\) et \(\operatorname{Cov}(t,y)\) sachant que \(V(x)=20\,000\) et \(\operatorname{Cov}(x,y)=840\).
c) (2 points) Déterminer la droite \(y=\alpha t+\beta\), puis la droite \(y=ax+b\) en revenant à \(x\).
d) (2 points) Calculer \(r\) (on donne \(V(y)=35{,}44\)) et estimer le chiffre d’affaires supplémentaire pour un budget de \(350\,000\) FCFA.
e) (1 point) Pourquoi le changement de variable de la question a) ne change-t-il pas la valeur de \(r\) ?
Corrigés des exercices 11 à 16 : voir la seconde partie du manuel, « Corrigés — Série 3 ».
Problèmes de synthèse
Un groupement de maraîchers de Pout a mesuré, sur six parcelles, la surface cultivée \(x_i\) (en ares) et la récolte d’oignons \(y_i\) (en quintaux).
\(x_i\) — 2 — 4 — 6 — 8 — 10 — 12
\(y_i\) — 8 — 15 — 23 — 29 — 37 — 44
a) Calculer \(\bar x\) et \(\bar y\).
b) Calculer \(V(x)\) et \(\operatorname{Cov}(x,y)\) (on donne \(\sum(x_i-\bar x)(y_i-\bar y)=252\)).
c) Déterminer la droite d’ajustement \(y=ax+b\).
d) Calculer \(r\) (on donne \(V(y)\approx151{,}33\)) et conclure sur la qualité de l’ajustement.
e) Le groupement souhaite récolter \(50\) quintaux : quelle surface faudrait-il cultiver selon ce modèle ? Est-ce une interpolation ou une extrapolation ?
Un restaurant universitaire a noté, sur cinq semaines, le nombre moyen \(x_i\) de repas servis par jour et son bénéfice hebdomadaire \(y_i\) (en milliers de FCFA).
\(x_i\) — 50 — 80 — 110 — 140 — 170
\(y_i\) — 40 — 68 — 92 — 118 — 145
a) Calculer \(\bar x\), \(\bar y\), \(V(x)\) et \(\operatorname{Cov}(x,y)\) (on donne \(\sum(x_i-\bar x)(y_i-\bar y)=7\,800\)).
b) Déterminer la droite d’ajustement \(y=ax+b\).
c) Interpréter concrètement \(a\) (bénéfice marginal par repas) et \(b\).
d) Estimer le bénéfice pour \(125\) repas par jour.
e) Le restaurant veut doubler son effectif de repas (\(340\) par jour) grâce à un agrandissement. Le bénéfice doublerait-il nécessairement selon ce modèle ? Discuter.
Un transporteur a mesuré, sur six trajets, la durée \(x_i\) (en heures) et la consommation de gasoil \(y_i\) (en litres) de son car rapide.
\(x_i\) — 1 — 2 — 3 — 4 — 5 — 6
\(y_i\) — 6 — 11 — 17 — 23 — 28 — 34
a) Calculer \(\bar x\) et \(\bar y\).
b) Calculer \(V(x)\) et \(\operatorname{Cov}(x,y)\) (on donne \(\sum(x_i-\bar x)(y_i-\bar y)=98{,}5\)).
c) Déterminer la droite d’ajustement \(y=ax+b\) (arrondis au centième).
d) Calculer \(r\) (on donne \(V(y)\approx92{,}47\)) et commenter.
e) Le prix du gasoil est de \(750\) FCFA/L. Estimer le coût en carburant pour un trajet de \(4{,}5\) heures.
Un éleveur a relevé, sur cinq enclos, le nombre \(x_i\) de vaches laitières et la production quotidienne \(y_i\) de lait (en litres).
\(x_i\) — 5 — 10 — 15 — 20 — 25
\(y_i\) — 18 — 34 — 52 — 67 — 83
a) Calculer \(\bar x\), \(\bar y\), \(V(x)\) et \(\operatorname{Cov}(x,y)\).
b) Déterminer la droite d’ajustement \(y=ax+b\).
c) Interpréter \(a\) comme une production moyenne par vache (en L/jour).
d) Estimer la production pour un enclos de \(18\) vaches.
e) L’éleveur envisage un troupeau de \(100\) vaches dans une nouvelle étable moderne. Pourquoi ce modèle n’est-il probablement plus adapté à cette échelle (au moins deux raisons) ?
Corrigés des exercices 17 à 20 : voir la seconde partie du manuel, « Corrigés — Série 4 ».
Pour aller plus loin
On considère une série statistique \((x_i;y_i)_{1\le i\le n}\), de point moyen \(G(\bar x;\bar y)\), de variance \(V(x)\neq0\) et de covariance \(\operatorname{Cov}(x,y)\). On pose \(a=\dfrac{\operatorname{Cov}(x,y)}{V(x)}\) et \(b=\bar y-a\bar x\), et on note \(\mathcal{D}\) la droite \(y=ax+b\).
a) Calculer l’ordonnée du point de \(\mathcal{D}\) d’abscisse \(\bar x\), et conclure que \(G\in\mathcal{D}\).
b) On note \(e_i=y_i-(ax_i+b)\) le résidu au point \(i\) (l’écart entre la valeur observée et la valeur ajustée). Montrer, en utilisant \(b=\bar y-a\bar x\), que \(e_i=(y_i-\bar y)-a(x_i-\bar x)\).
c) Montrer que \(\displaystyle\sum_{i=1}^n e_i=0\) (indication : développer la somme à l’aide de b) et utiliser la définition de \(\bar x\) et \(\bar y\)).
d) Que peut-on en déduire sur la moyenne des résidus ? Est-ce surprenant que la droite « équilibre » ainsi les écarts positifs et négatifs ?
Une petite échoppe a relevé ses ventes journalières \(y_i\) sur sept jours consécutifs numérotés \(x_i=1,\ldots,7\) : \(10,12,11,14,15,17,16\) (en milliers de FCFA). Cet exercice dépasse le programme strict de la leçon ; il prépare aux séries statistiques chronologiques étudiées plus tard.
a) Calculer \(\bar x\) et \(\bar y\).
b) Calculer \(V(x)=4\) et \(\operatorname{Cov}(x,y)=4{,}5714\) (admis), puis la droite d’ajustement \(y=ax+b\) (coefficients arrondis au millième).
c) On admet \(V(y)\approx5{,}9592\). Calculer \(r\) (arrondi au millième) : ce coefficient est-il aussi élevé que dans les exercices précédents de ce TD ? Pourquoi, intuitivement, les ventes d’un jour à l’autre fluctuent-elles plus qu’une grandeur physique bien contrôlée (comme un dosage en laboratoire) ?
d) Une « moyenne mobile sur trois jours » remplace chaque valeur par la moyenne d’elle-même et de ses deux voisines (quand elles existent). Calculer la valeur lissée du jour \(4\) (moyenne des jours \(3\), \(4\), \(5\)) et comparer à \(y_4=14\). En quoi un tel lissage pourrait-il faire apparaître une tendance plus nette que la droite des moindres carrés brute ?
On considère une série \((x_i;y_i)\) de coefficient de corrélation \(r\), et on transforme les deux variables par \(u_i=px_i+q\) et \(v_i=sy_i+t\), où \(p,s>0\). Hors programme strict ; généralise le changement de variable étudié dans ce TD.
a) Rappeler (sans démonstration) comment \(\bar u\) s’exprime en fonction de \(p\), \(q\) et \(\bar x\), et montrer que \(u_i-\bar u=p(x_i-\bar x)\).
b) En déduire que \(V(u)=p^2V(x)\), et de même pour \(V(v)\) en fonction de \(V(y)\).
c) Montrer que \(\operatorname{Cov}(u,v)=ps\,\operatorname{Cov}(x,y)\).
d) En déduire que le coefficient de corrélation de \((u_i;v_i)\) est égal à celui de \((x_i;y_i)\), c’est-à-dire que \(r\) est invariant par un tel changement affine (avec \(p,s>0\)).
e) Vérifier numériquement sur la série \(x_i=1,2,3,4,5\), \(y_i=2,4,6,8,10\) (qui vérifie \(r=1\)) que \(u_i=3x_i+1\) et \(v_i=0{,}5y_i-2\) donnent encore \(r=1\).
Corrigés des exercices 21 à 23 : voir la seconde partie du manuel, « Corrigés — Série 5 ».
Corrigés — Exercices guidés
a) \(\bar x=\dfrac{1+2+3+4+5}{5}=3\) et \(\bar y=\dfrac{8+10+13+14+15}{5}=\dfrac{60}{5}=12\), donc \(G(3;12)\).
b) Écarts à \(\bar x\) : \(-2,-1,0,1,2\), carrés \(4,1,0,1,4\) de somme \(10\), donc \(V(x)=\dfrac{10}{5}=2\). Écarts à \(\bar y\) : \(-4,-2,1,2,3\) ; produits avec les écarts de \(x\) : \(8,2,0,2,6\) de somme \(18\), donc \(\operatorname{Cov}(x,y)=\dfrac{18}{5}=3{,}6\).
c) \(a=\dfrac{\operatorname{Cov}(x,y)}{V(x)}=\dfrac{3{,}6}{2}=1{,}8\) et \(b=\bar y-a\bar x=12-1{,}8\times3=6{,}6\). La droite est \(y=1{,}8x+6{,}6\). Pour \(x=3\) : \(y=1{,}8\times3+6{,}6=12=\bar y\) : \(G\) est bien sur la droite.
d) Pour \(x=3{,}5\) : \(y=1{,}8\times3{,}5+6{,}6=6{,}3+6{,}6=12{,}9\), soit une note prévue d’environ \(12{,}9/20\).
a) Les points sont déjà classés : groupe 1 = \((30;5),(32;7),(33;8)\) ; groupe 2 = \((35;11),(36;12),(38;15)\).
b) \(G_1\Big(\dfrac{30+32+33}{3};\dfrac{5+7+8}{3}\Big)=G_1(31{,}667;6{,}667)\) et \(G_2\Big(\dfrac{35+36+38}{3};\dfrac{11+12+15}{3}\Big)=G_2(36{,}333;12{,}667)\) (valeurs arrondies au millième).
c) Coefficient directeur : \(a=\dfrac{12{,}667-6{,}667}{36{,}333-31{,}667}=\dfrac{6}{4{,}667}\approx1{,}286\). Ordonnée à l’origine : \(b=6{,}667-1{,}286\times31{,}667\approx-34{,}05\). Droite de Mayer : \(y\approx1{,}286x-34{,}05\).
d) \(\bar x=\dfrac{30+32+33+35+36+38}{6}=\dfrac{204}{6}=34\) et \(\bar y=\dfrac{5+7+8+11+12+15}{6}=\dfrac{58}{6}\approx9{,}667\), donc \(G(34;9{,}667)\). Pour \(x=34\), la droite de Mayer donne \(y\approx1{,}286\times34-34{,}05\approx9{,}72\), proche de \(9{,}667\) mais pas rigoureusement égal : la droite de Mayer, à la différence de celle des moindres carrés, ne passe pas exactement par \(G\) en général.
e) Les deux coefficients directeurs, \(1{,}286\) (Mayer) et \(1{,}262\) (moindres carrés), sont très voisins : sur ce nuage bien aligné, la méthode de Mayer, plus rapide à la main, donne déjà une bonne approximation de l’ajustement optimal.
a) \(\bar x=\dfrac{20+30+40+50+60}{5}=40\) ; \(\bar y=\dfrac{115+120+125+132+140}{5}=\dfrac{632}{5}=126{,}4\). Écarts à \(\bar x\) : \(-20,-10,0,10,20\), carrés de somme \(1000\), donc \(V(x)=200\). Écarts à \(\bar y\) : \(-11{,}4,-6{,}4,-1{,}4,5{,}6,13{,}6\) ; produits avec ceux de \(x\) : \(228,64,0,56,272\), somme \(620\), donc \(\operatorname{Cov}(x,y)=\dfrac{620}{5}=124\).
b) \(a=\dfrac{124}{200}=0{,}62\) et \(b=126{,}4-0{,}62\times40=126{,}4-24{,}8=101{,}6\). Droite : \(y=0{,}62x+101{,}6\).
c) Pour \(x=45\) : \(y=0{,}62\times45+101{,}6=27{,}9+101{,}6=129{,}5\) mmHg.
d) Non, pas avec la même confiance : \(70\) ans est hors de l’intervalle \([20;60]\) observé — c’est une extrapolation. Rien ne garantit que la relation reste affine au-delà de \(60\) ans ; la prévision \(y=0{,}62\times70+101{,}6=145{,}0\) mmHg doit être prise avec prudence.
a) \(\bar x=\dfrac{2+4+6+8+10}{5}=6\) ; \(\bar y=\dfrac{1000+1600+2200+2800+3600}{5}=\dfrac{11\,200}{5}=2\,240\), donc \(G(6;2\,240)\). Écarts à \(\bar x\) : \(-4,-2,0,2,4\), carrés de somme \(40\), \(V(x)=8\). Écarts à \(\bar y\) : \(-1\,240,-640,-40,560,1\,360\) ; produits avec ceux de \(x\) : \(4\,960,1\,280,0,1\,120,5\,440\), somme \(12\,800\), donc \(\operatorname{Cov}(x,y)=\dfrac{12\,800}{5}=2\,560\).
b) \(a=\dfrac{2\,560}{8}=320\) et \(b=2\,240-320\times6=2\,240-1\,920=320\). Droite : \(y=320x+320\). On peut lire \(b=320\) FCFA comme une prise en charge fixe et \(a=320\) FCFA/km comme le tarif kilométrique.
c) \(r=\dfrac{\operatorname{Cov}(x,y)}{\sigma_x\sigma_y}=\dfrac{2\,560}{\sqrt{8}\times\sqrt{822\,400}}=\dfrac{2\,560}{\sqrt{6\,579\,200}}\approx\dfrac{2\,560}{2\,565{,}0}\approx0{,}998\). Le coefficient est très proche de \(1\) : l’ajustement affine est excellent, le tarif est quasiment proportionnel plus une prise en charge fixe.
d) \(1\,500=320x+320\iff320x=1\,180\iff x=\dfrac{1\,180}{320}\approx3{,}69\) km.
a) \(\bar x=\dfrac{10+15+20+25+30}{5}=20\) ; \(\bar y=\dfrac{80+110+135+170+195}{5}=\dfrac{690}{5}=138\). Écarts à \(\bar x\) : \(-10,-5,0,5,10\), carrés de somme \(250\), \(V(x)=50\). \(V(y)=\dfrac{8\,430}{5}=1\,686\). Écarts à \(\bar y\) : \(-58,-28,-3,32,57\) ; produits avec ceux de \(x\) : \(580,140,0,160,570\), somme \(1\,450\), donc \(\operatorname{Cov}(x,y)=\dfrac{1\,450}{5}=290\).
b) \(a=\dfrac{290}{50}=5{,}8\) et \(b=138-5{,}8\times20=138-116=22\). Droite : \(y=5{,}8x+22\).
c) \(a'=\dfrac{\operatorname{Cov}(x,y)}{V(y)}=\dfrac{290}{1\,686}\approx0{,}172\) et \(b'=\bar x-a'\bar y=20-0{,}172\times138\approx20-23{,}74\approx-3{,}74\). Droite : \(x\approx0{,}172y-3{,}74\).
d) Les deux droites ne sont pas identiques : la première s’écrit \(y=5{,}8x+22\), la seconde \(y\approx\dfrac{x+3{,}74}{0{,}172}\approx5{,}81x+21{,}7\) une fois remise sous la forme \(y=\ldots\) — très voisine ici mais pas rigoureusement la même droite. Elles coïncideraient exactement si \(r=\pm1\) (nuage parfaitement aligné).
e) Pour prévoir \(y\) connaissant \(x\), on utilise la droite de \(y\) en \(x\) (question b) ; pour prévoir \(x\) connaissant \(y\), on utilise la droite de \(x\) en \(y\) (question c) — utiliser l’une pour l’usage de l’autre introduit une erreur, faible seulement si \(|r|\) est proche de \(1\).
a) \(\bar x=\dfrac{28+30+32+34+36}{5}=\dfrac{160}{5}=32\) ; \(\bar y=\dfrac{120+135+150+160+175}{5}=\dfrac{740}{5}=148\). Écarts à \(\bar x\) : \(-4,-2,0,2,4\), carrés de somme \(40\), \(V(x)=8\). Écarts à \(\bar y\) : \(-28,-13,2,12,27\) ; produits avec ceux de \(x\) : \(112,26,0,24,108\), somme \(270\), \(\operatorname{Cov}(x,y)=\dfrac{270}{5}=54\).
b) \(a=\dfrac{54}{8}=6{,}75\) et \(b=148-6{,}75\times32=148-216=-68\). Droite : \(y=6{,}75x-68\).
c) Pour \(x=33\) : \(y=6{,}75\times33-68=222{,}75-68=154{,}75\) kWh. Pour \(x=38\) : \(y=6{,}75\times38-68=256{,}5-68=188{,}5\) kWh.
d) La valeur \(33\) est entre \(28\) et \(36\) (interpolation) : l’estimation \(154{,}75\) kWh est fiable. La valeur \(38\) est au-delà de \(36\), la plus grande température observée (extrapolation) : rien ne garantit que la relation affine reste valable, l’estimation de \(188{,}5\) kWh est donc moins sûre.
a) \(t_i=x_i-5\) donne \(-2,-1,0,1,2\) ; \(\bar t=0\) (un centrage annule toujours la moyenne).
b) \(V(t)=\dfrac{(-2)^2+(-1)^2+0^2+1^2+2^2}{5}=\dfrac{10}{5}=2=V(x)\) (translater une variable ne change pas sa variance). Écarts de \(y\) à \(\bar y=26{,}8\) : \(-8{,}8,-4{,}8,0{,}2,4{,}2,9{,}2\) ; produits avec \(t_i\) : \(17{,}6,4{,}8,0,4{,}2,18{,}4\), somme \(45\), donc \(\operatorname{Cov}(t,y)=\dfrac{45}{5}=9=\operatorname{Cov}(x,y)\) (translater \(x\) ne change pas non plus la covariance avec \(y\)).
c) \(\alpha=\dfrac{\operatorname{Cov}(t,y)}{V(t)}=\dfrac{9}{2}=4{,}5\) et, comme \(\bar t=0\), \(\beta=\bar y-\alpha\bar t=\bar y=26{,}8\). Droite en \(t\) : \(y=4{,}5t+26{,}8\). En remplaçant \(t=x-5\) : \(y=4{,}5(x-5)+26{,}8=4{,}5x-22{,}5+26{,}8=4{,}5x+4{,}3\).
d) \(V\) et \(\operatorname{Cov}\) se calculent à partir d’écarts à la moyenne, qui sont inchangés par une translation de l’origine ; le coefficient directeur \(a=\dfrac{\operatorname{Cov}}{V}\) ne change donc pas non plus. Seule l’ordonnée à l’origine, qui dépend du point où l’on « coupe » l’axe, se lit différemment selon la variable choisie (\(\beta=26{,}8\) pour \(t\), \(b=4{,}3\) pour \(x\)) : il faut toujours revenir à la variable d’origine pour conclure.
a) \(a=\dfrac{396}{800}=0{,}495\) et \(b=50{,}6-0{,}495\times40=50{,}6-19{,}8=30{,}8\), donc \(y=0{,}495x+30{,}8\). \(r=\dfrac{396}{\sqrt{800\times196{,}64}}=\dfrac{396}{\sqrt{157\,312}}\approx\dfrac{396}{396{,}62}\approx0{,}998\).
b) Faux. Une forte corrélation statistique ne prouve jamais, à elle seule, une relation de cause à effet ; ici le lien agronomique est plausible, mais c’est une connaissance extérieure à la statistique, pas une conséquence du calcul de \(r\).
c) Vrai. \(r=\pm1\) correspond exactement au cas où tous les points sont sur une même droite (c’est la valeur maximale possible de \(|r|\), atteinte uniquement dans ce cas).
d) Vrai. \(\operatorname{Cov}(x,y)=\dfrac{1}{n}\sum(x_i-\bar x)(y_i-\bar y)\) est une moyenne de produits (kg/ha)\(\times\)(sacs/ha), donc s’exprime bien en kg·sac/ha².
e) Vrai dans son principe : un \(r\) négatif indiquerait que \(y\) décroît globalement quand \(x\) augmente, donc que le rendement baisserait quand l’engrais augmente — mais ce n’est pas le cas ici, où \(r\approx0{,}998>0\) : l’affirmation décrit correctement ce que signifierait un \(r\) négatif, sans correspondre à cette série.
a) \(\bar x=\dfrac{5+8+10+12+15}{5}=\dfrac{50}{5}=10\) ; \(\bar y=\dfrac{12+18+21+25+30}{5}=\dfrac{106}{5}=21{,}2\). Écarts à \(\bar x\) : \(-5,-2,0,2,5\), carrés de somme \(58\), \(V(x)=11{,}6\). Écarts à \(\bar y\) : \(-9{,}2,-3{,}2,-0{,}2,3{,}8,8{,}8\) ; produits avec ceux de \(x\) : \(46,6{,}4,0,7{,}6,44\), somme \(104\), \(\operatorname{Cov}(x,y)=\dfrac{104}{5}=20{,}8\). \(r=\dfrac{20{,}8}{\sqrt{11{,}6\times37{,}36}}=\dfrac{20{,}8}{\sqrt{433{,}38}}\approx\dfrac{20{,}8}{20{,}82}\approx0{,}999\).
b) \(\bar x_6=\dfrac{5+8+10+12+15+20}{6}=\dfrac{70}{6}\approx11{,}667\) ; \(\bar y_6=\dfrac{12+18+21+25+30+5}{6}=\dfrac{111}{6}=18{,}5\).
c) \(r_6=\dfrac{-5{,}167}{\sqrt{23{,}556\times67{,}583}}=\dfrac{-5{,}167}{\sqrt{1\,592{,}0}}\approx\dfrac{-5{,}167}{39{,}90}\approx-0{,}129\). Alors que \(r\approx0{,}999\) (presque \(1\)) sur cinq jours, \(r_6\) devient proche de \(0\) et change de signe sur six jours.
d) Oui : un seul point très éloigné du nuage (ici une journée exceptionnelle) peut effondrer un coefficient de corrélation très fort et presque annuler le lien apparent. Il faut toujours examiner le nuage de points, pas seulement la valeur de \(r\), et se demander si un point atypique doit être étudié séparément plutôt qu’intégré aveuglément au calcul.
a) \(\bar x=\dfrac{60+80+100+120+140}{5}=\dfrac{500}{5}=100\) ; \(\bar y=\dfrac{5{,}5+6{,}0+7{,}0+7{,}8+9{,}0}{5}=\dfrac{35{,}3}{5}=7{,}06\).
b) Écarts à \(\bar x\) : \(-40,-20,0,20,40\), carrés de somme \(4\,000\), \(V(x)=800\). \(V(y)=\dfrac{7{,}872}{5}=1{,}5744\). Écarts à \(\bar y\) : \(-1{,}56,-1{,}06,-0{,}06,0{,}74,1{,}94\) ; produits avec ceux de \(x\) : \(62{,}4,21{,}2,0,14{,}8,77{,}6\), somme \(176\), \(\operatorname{Cov}(x,y)=\dfrac{176}{5}=35{,}2\).
c) \(a=\dfrac{35{,}2}{800}=0{,}044\) et \(b=7{,}06-0{,}044\times100=7{,}06-4{,}4=2{,}66\). Droite : \(y=0{,}044x+2{,}66\).
d) \(r=\dfrac{35{,}2}{\sqrt{800\times1{,}5744}}=\dfrac{35{,}2}{\sqrt{1\,259{,}52}}\approx\dfrac{35{,}2}{35{,}49}\approx0{,}992\) ; \(r^2\approx0{,}984\). Environ \(98{,}4\,\%\) de la variabilité de la consommation s’explique par la vitesse selon cet ajustement affine.
e) Pour \(x=110\) : \(y=0{,}044\times110+2{,}66=4{,}84+2{,}66=7{,}5\) L/100 km.
Corrigés — Sujets de devoir
Exercice 1.
a) \(\operatorname{Cov}(x,y)=\dfrac{1}{n}\sum(x_i-\bar x)(y_i-\bar y)\) et \(a=\dfrac{\operatorname{Cov}(x,y)}{V(x)}\).
b) \(a=\dfrac{50}{20}=2{,}5\) et \(b=40-2{,}5\times10=40-25=15\), donc \(y=2{,}5x+15\). Pour \(x=10\) : \(y=2{,}5\times10+15=40=\bar y\) : \(G\) appartient bien à la droite.
Exercice 2.
a) \(\bar x=\dfrac{40+60+80+100+120}{5}=80\) ; \(\bar y=\dfrac{150+210+260+340+400}{5}=\dfrac{1\,360}{5}=272\). Écarts à \(\bar x\) : \(-40,-20,0,20,40\), carrés de somme \(4\,000\), \(V(x)=800\). Écarts à \(\bar y\) : \(-122,-62,-12,68,128\) ; produits avec ceux de \(x\) : \(4\,880,1\,240,0,1\,360,5\,120\), somme \(12\,600\), \(\operatorname{Cov}(x,y)=\dfrac{12\,600}{5}=2\,520\).
b) \(a=\dfrac{2\,520}{800}=3{,}15\) et \(b=272-3{,}15\times80=272-252=20\), donc \(y=3{,}15x+20\).
c) Pour \(x=90\) : \(y=3{,}15\times90+20=283{,}5+20=303{,}5\) milliers de FCFA.
Problème.
a) \(\bar t=\dfrac{0+1+2+3+4+5}{6}=\dfrac{15}{6}=2{,}5\) ; \(\bar y=\dfrac{8{,}0+8{,}4+8{,}9+9{,}3+9{,}8+10{,}2}{6}=\dfrac{54{,}6}{6}=9{,}1\).
b) Écarts à \(\bar t\) : \(-2{,}5,-1{,}5,-0{,}5,0{,}5,1{,}5,2{,}5\), carrés de somme \(17{,}5\), \(V(t)=\dfrac{17{,}5}{6}\approx2{,}917\). \(\operatorname{Cov}(t,y)=\dfrac{7{,}8}{6}=1{,}3\).
c) \(a=\dfrac{1{,}3}{2{,}917}\approx0{,}446\) et \(b=9{,}1-0{,}446\times2{,}5\approx9{,}1-1{,}114\approx7{,}986\). Droite : \(y\approx0{,}446t+7{,}986\).
d) \(V(y)=\dfrac{2{,}508}{6}=0{,}418\) ; \(r=\dfrac{1{,}3}{\sqrt{2{,}917\times0{,}418}}=\dfrac{1{,}3}{\sqrt{1{,}2205}}\approx\dfrac{1{,}3}{1{,}1048}\approx1{,}1\,76\)… (en reprenant avec les valeurs exactes, \(r\approx0{,}9995\)) : le coefficient est extrêmement proche de \(1\), le nuage est presque parfaitement aligné, la croissance est régulière sur la période observée.
e) Pour \(t=8\) : \(y\approx0{,}446\times8+7{,}986\approx3{,}568+7{,}986\approx11{,}55\) milliers d’habitants. Cette estimation extrapole largement hors de l’intervalle observé \([0;5]\) : rien ne garantit que la croissance reste linéaire sur une aussi longue durée (saturation, nouvel aménagement, exode...), contrairement à une estimation à \(t=2{,}5\) ou \(3\), bien à l’intérieur des données.
Exercice 1.
a) \(r=\dfrac{\operatorname{Cov}(x,y)}{\sigma_x\sigma_y}\) ; si \(y\) décroît globalement quand \(x\) augmente, la covariance est négative, donc \(r<0\).
b) \(r=\dfrac{-8}{\sqrt{4\times25}}=\dfrac{-8}{10}=-0{,}8\) : corrélation négative assez marquée, \(y\) tend à diminuer quand \(x\) augmente.
Exercice 2.
a) \(\bar x=\dfrac{5+10+15+20+25}{5}=15\) ; \(\bar y=\dfrac{8+17+24+33+41}{5}=\dfrac{123}{5}=24{,}6\). Écarts à \(\bar x\) : \(-10,-5,0,5,10\), carrés de somme \(250\), \(V(x)=50\). Écarts à \(\bar y\) : \(-16{,}6,-7{,}6,-0{,}6,8{,}4,16{,}4\) ; produits avec ceux de \(x\) : \(166,38,0,42,164\), somme \(410\), \(\operatorname{Cov}(x,y)=\dfrac{410}{5}=82\).
b) \(a=\dfrac{82}{50}=1{,}64\) et \(b=24{,}6-1{,}64\times15=24{,}6-24{,}6=0\), donc \(y=1{,}64x\).
c) Pour \(x=18\) : \(y=1{,}64\times18=29{,}52\) min.
Problème.
a) \(\bar x=\dfrac{10+20+30+40+50+60}{6}=35\) ; \(\bar y=\dfrac{12+18+25+29+36+40}{6}=\dfrac{160}{6}\approx26{,}667\).
b) Écarts à \(\bar x\) : \(-25,-15,-5,5,15,25\), carrés de somme \(1\,750\), \(V(x)=\dfrac{1\,750}{6}\approx291{,}667\). \(\operatorname{Cov}(x,y)=\dfrac{990}{6}=165\).
c) \(a=\dfrac{165}{291{,}667}\approx0{,}566\) et \(b=26{,}667-0{,}566\times35\approx26{,}667-19{,}81\approx6{,}867\). Droite : \(y\approx0{,}566x+6{,}867\).
d) Pour \(x=35\) (\(=\bar x\)) : \(y=\bar y\approx26{,}667\) kg (un cas particulier : à la moyenne des \(x\), la droite donne toujours la moyenne des \(y\)).
e) \(200\) L est très largement hors de l’intervalle observé \([10;60]\) L : au-delà d’une certaine quantité, l’eau n’améliore plus le rendement (excès nuisible aux racines), donc la relation ne peut pas rester affine jusque là — c’est une extrapolation déraisonnable.
Exercice 1.
a) \(b=\bar y-a\bar x\) ; le point moyen \(G(\bar x;\bar y)\) appartient toujours à la droite des moindres carrés de \(y\) en \(x\).
b) \(a=\dfrac{9}{3}=3\) et \(b=15-3\times6=15-18=-3\), donc \(y=3x-3\). Pour \(x=10\) : \(y=30-3=27\).
Exercice 2.
a) \(\bar x=\dfrac{1+2+3+4+5}{5}=3\) ; \(\bar y=\dfrac{9+16+24+33+40}{5}=\dfrac{122}{5}=24{,}4\). Écarts à \(\bar x\) : \(-2,-1,0,1,2\), carrés de somme \(10\), \(V(x)=2\). Écarts à \(\bar y\) : \(-15{,}4,-8{,}4,-0{,}4,8{,}6,15{,}6\) ; produits avec ceux de \(x\) : \(30{,}8,8{,}4,0,8{,}6,31{,}2\), somme \(79\), \(\operatorname{Cov}(x,y)=\dfrac{79}{5}=15{,}8\).
b) \(a=\dfrac{15{,}8}{2}=7{,}9\) et \(b=24{,}4-7{,}9\times3=24{,}4-23{,}7=0{,}7\), donc \(y=7{,}9x+0{,}7\).
c) Pour \(x=3{,}5\) : \(y=7{,}9\times3{,}5+0{,}7=27{,}65+0{,}7=28{,}35\) sacs.
Problème.
a) \(\bar x=\dfrac{20+30+40+50+60+70}{6}=45\) ; \(\bar y=\dfrac{90+130+165+205+245+280}{6}=\dfrac{1\,115}{6}\approx185{,}833\).
b) Écarts à \(\bar x\) : \(-25,-15,-5,5,15,25\), carrés de somme \(1\,750\), \(V(x)=\dfrac{1\,750}{6}\approx291{,}667\). \(\operatorname{Cov}(x,y)=\dfrac{6\,675}{6}=1\,112{,}5\).
c) \(a=\dfrac{1\,112{,}5}{291{,}667}\approx3{,}81\) et \(b\approx185{,}833-3{,}81\times45\approx185{,}833-171{,}45\approx14{,}38\). Droite : \(y\approx3{,}81x+14{,}38\).
d) \(V(y)\) se calcule à partir des écarts à \(\bar y\) (\(-95{,}833,-55{,}833,-20{,}833,19{,}167,59{,}167,94{,}167\)), de carrés de somme \(\approx25\,470{,}8\), donc \(V(y)\approx4\,245{,}1\). \(r=\dfrac{1\,112{,}5}{\sqrt{291{,}667\times4\,245{,}1}}\approx\dfrac{1\,112{,}5}{1\,112{,}7}\approx0{,}9998\).
e) \(300=3{,}81x+14{,}38\iff3{,}81x=285{,}62\iff x\approx74{,}97\), soit environ \(75\) couverts.
Exercice 1.
a) Non : \(r=\dfrac{\operatorname{Cov}(x,y)}{\sigma_x\sigma_y}\) et \(\sigma_x,\sigma_y\ge0\), donc \(r\) a toujours le même signe que \(\operatorname{Cov}(x,y)\).
b) \(r=\dfrac{-10}{\sqrt{5\times20}}=\dfrac{-10}{10}=-1\) : corrélation parfaite négative, \(y\) décroît strictement quand \(x\) augmente (nuage parfaitement aligné).
c) \(a=\dfrac{\operatorname{Cov}(x,y)}{V(x)}=\dfrac{-10}{5}=-2<0\) : coefficient directeur négatif, cohérent avec \(r=-1\).
Exercice 2.
a) \(\bar x=\dfrac{2+4+6+8+10}{5}=6\) ; \(\bar y=\dfrac{18+13+10+7+4}{5}=\dfrac{52}{5}=10{,}4\). Écarts à \(\bar x\) : \(-4,-2,0,2,4\), carrés de somme \(40\), \(V(x)=8\). Écarts à \(\bar y\) : \(7{,}6,2{,}6,-0{,}4,-3{,}4,-6{,}4\) ; produits avec ceux de \(x\) : \(-30{,}4,-5{,}2,0,-6{,}8,-25{,}6\), somme \(-68\), \(\operatorname{Cov}(x,y)=\dfrac{-68}{5}=-13{,}6\).
b) \(a=\dfrac{-13{,}6}{8}=-1{,}7\) et \(b=10{,}4-(-1{,}7)\times6=10{,}4+10{,}2=20{,}6\), donc \(y=-1{,}7x+20{,}6\) : le coefficient est bien négatif (plus l’élève révise, moins il fait d’erreurs).
c) Pour \(x=7\) : \(y=-1{,}7\times7+20{,}6=-11{,}9+20{,}6=8{,}7\), soit environ \(9\) erreurs.
Problème.
a) \(\bar x=\dfrac{3+5+7+9+11+13}{6}=8\) ; \(\bar y=\dfrac{1{,}5+3{,}0+5{,}0+7{,}2+9{,}8+12{,}5}{6}=\dfrac{39}{6}=6{,}5\).
b) Écarts à \(\bar x\) : \(-5,-3,-1,1,3,5\), carrés de somme \(70\), \(V(x)=\dfrac{70}{6}\approx11{,}667\). \(\operatorname{Cov}(x,y)=\dfrac{77{,}6}{6}\approx12{,}933\).
c) \(a=\dfrac{12{,}933}{11{,}667}\approx1{,}109\) et \(b\approx6{,}5-1{,}109\times8\approx6{,}5-8{,}869\approx-2{,}369\). Droite : \(y\approx1{,}109x-2{,}369\).
d) \(r=\dfrac{12{,}933}{\sqrt{11{,}667\times14{,}48}}=\dfrac{12{,}933}{\sqrt{168{,}93}}\approx\dfrac{12{,}933}{13{,}00}\approx0{,}995\). Le modèle affine est très satisfaisant sur la plage étudiée.
e) \(25\) m/s est bien au-delà de la plage observée (\(3\) à \(13\) m/s) : il faut déconseiller une extrapolation aussi lointaine, d’autant qu’une éolienne a une vitesse de production maximale (plafonnement physique) que la droite ne peut pas représenter.
Exercice 1.
a) \(r\) mesure seulement la force d’une relation affine (en ligne droite) ; deux variables peuvent être fortement liées par une relation non affine (par exemple parabolique ou périodique) tout en ayant un coefficient \(r\) proche de \(0\), car les écarts positifs et négatifs à la tendance se compensent dans le calcul de la covariance.
b) \(\bar x=3\) et \(\bar y=\dfrac{1+4+9+16+25}{5}=\dfrac{55}{5}=11\). La relation \(y=x^2\) est une vraie fonction (donc un « lien » parfait), mais elle n’est pas une droite : les écarts \((y_i-\bar y)\) ne croissent pas proportionnellement aux écarts \((x_i-\bar x)\) (ils sont dissymétriques autour de \(\bar x\)), ce qui empêche \(r\) de valoir exactement \(1\) malgré la dépendance totale entre les deux variables.
Exercice 2.
a) \(\bar x=\dfrac{1+2+3+4+5}{5}=3\) ; \(\bar y=\dfrac{950+820+700+590+480}{5}=\dfrac{3\,540}{5}=708\). Écarts à \(\bar x\) : \(-2,-1,0,1,2\), carrés de somme \(10\), \(V(x)=2\). Écarts à \(\bar y\) : \(242,112,-8,-118,-228\) ; produits avec ceux de \(x\) : \(-484,-112,0,-118,-456\), somme \(-1\,170\), \(\operatorname{Cov}(x,y)=\dfrac{-1\,170}{5}=-234\).
b) \(a=\dfrac{-234}{2}=-117\) et \(b=708-(-117)\times3=708+351=1\,059\), donc \(y=-117x+1\,059\).
c) Pour \(x=6\) : \(y=-117\times6+1\,059=-702+1\,059=357\) milliers de FCFA. L’estimation est une légère extrapolation (au-delà de \(5\) ans observés) : elle reste plausible pour une année supplémentaire, mais deviendrait absurde beaucoup plus tard, car la valeur ne peut pas devenir négative alors que la droite, elle, finirait par le prédire.
Problème.
a) \(\bar x=\dfrac{30+35+40+45+50+55}{6}=42{,}5\) ; \(\bar y=\dfrac{12{,}5+12{,}0+12{,}8+11{,}5+12{,}2+11{,}0}{6}=\dfrac{72}{6}=12{,}0\).
b) Écarts à \(\bar x\) : \(-12{,}5,-7{,}5,-2{,}5,2{,}5,7{,}5,12{,}5\), carrés de somme \(437{,}5\), \(V(x)=\dfrac{437{,}5}{6}\approx72{,}917\). \(\operatorname{Cov}(x,y)=\dfrac{-20{,}5}{6}\approx-3{,}417\).
c) \(a\approx\dfrac{-3{,}417}{72{,}917}\approx-0{,}047\) et \(b\approx12{,}0-(-0{,}047)\times42{,}5\approx12{,}0+1{,}997\approx13{,}997\). Droite : \(y\approx-0{,}047x+13{,}997\). \(r\approx\dfrac{-3{,}417}{\sqrt{72{,}917\times0{,}3633}}\approx\dfrac{-3{,}417}{\sqrt{26{,}49}}\approx\dfrac{-3{,}417}{5{,}147}\approx-0{,}664\).
d) Non : un \(r\) de valeur absolue modérée (\(0{,}664\)) ne permet pas de conclure à l’absence d’influence — il montre seulement qu’une relation affine entre effectif et moyenne n’explique qu’une partie limitée (\(r^2\approx0{,}44\), soit \(44\,\%\)) de la variation des moyennes observées ; bien d’autres facteurs (niveau initial, enseignants, assiduité...) interviennent sûrement. L’ajustement affine, lui, reste de qualité moyenne et doit être utilisé avec prudence pour toute prévision.
Exercice 1.
a) \(x=a'y+b'\) avec \(a'=\dfrac{\operatorname{Cov}(x,y)}{V(y)}\) et \(b'=\bar x-a'\bar y\) ; les deux droites coïncident si, et seulement si, \(r=\pm1\) (nuage parfaitement aligné).
b) \(a=\dfrac{18}{4}=4{,}5\) et \(a'=\dfrac{18}{100}=0{,}18\). En écrivant la droite de \(x\) en \(y\) sous la forme \(y=\ldots\), on obtiendrait une pente \(\dfrac{1}{0{,}18}\approx5{,}56\neq4{,}5\) : les deux droites ne sont pas identiques (car \(r\neq\pm1\) ici, puisque \(a\times a'=0{,}81\neq1\), ce qui équivaudrait à \(r^2=0{,}81\neq1\)).
Exercice 2.
a) \(\bar x=\dfrac{2+4+6+8+10}{5}=6\) ; \(\bar y=\dfrac{20+33+47+58+73}{5}=\dfrac{231}{5}=46{,}2\). Écarts à \(\bar x\) : \(-4,-2,0,2,4\), carrés de somme \(40\), \(V(x)=8\). Écarts à \(\bar y\) : \(-26{,}2,-13{,}2,0{,}8,11{,}8,26{,}8\) ; produits avec ceux de \(x\) : \(104{,}8,26{,}4,0,23{,}6,107{,}2\), somme \(262\), \(\operatorname{Cov}(x,y)=\dfrac{262}{5}=52{,}4\).
b) \(a=\dfrac{52{,}4}{8}=6{,}55\) et \(b=46{,}2-6{,}55\times6=46{,}2-39{,}3=6{,}9\), donc \(y=6{,}55x+6{,}9\).
c) \(100=6{,}55x+6{,}9\iff6{,}55x=93{,}1\iff x\approx14{,}2\), soit \(15\) publicités (on arrondit au nombre entier supérieur pour atteindre l’objectif).
Problème.
a) \(t_i=\dfrac{x_i}{100}\) donne \(1,2,3,4,5\) ; \(\bar t=3\).
b) \(V(t)=\dfrac{V(x)}{100^2}=\dfrac{20\,000}{10\,000}=2\) ; \(\operatorname{Cov}(t,y)=\dfrac{\operatorname{Cov}(x,y)}{100}=\dfrac{840}{100}=8{,}4\) (diviser une variable par \(100\) divise sa covariance avec \(y\) par \(100\), et sa variance par \(100^2\)).
c) \(\alpha=\dfrac{8{,}4}{2}=4{,}2\) ; \(\bar y=\dfrac{5+9+14+17+22}{5}=\dfrac{67}{5}=13{,}4\), donc \(\beta=13{,}4-4{,}2\times3=13{,}4-12{,}6=0{,}8\). Droite en \(t\) : \(y=4{,}2t+0{,}8\). Avec \(t=\dfrac{x}{100}\) : \(y=4{,}2\times\dfrac{x}{100}+0{,}8=0{,}042x+0{,}8\).
d) \(r=\dfrac{840}{\sqrt{20\,000\times35{,}44}}=\dfrac{840}{\sqrt{708\,800}}\approx\dfrac{840}{841{,}9}\approx0{,}998\). Pour \(x=350\) : \(y=0{,}042\times350+0{,}8=14{,}7+0{,}8=15{,}5\) millions de FCFA.
e) Le coefficient \(r\) est le rapport \(\dfrac{\operatorname{Cov}}{\sigma_x\sigma_y}\) : diviser \(x\) (donc \(t\)) par \(100\) divise la covariance par \(100\) et l’écart type \(\sigma_t\) par \(100\) également, donc le facteur \(100\) se simplifie entièrement dans le rapport : \(r\) reste inchangé, c’est un nombre sans dimension, indépendant des unités choisies.
Corrigés — Problèmes de synthèse
a) \(\bar x=\dfrac{2+4+6+8+10+12}{6}=7\) ; \(\bar y=\dfrac{8+15+23+29+37+44}{6}=\dfrac{156}{6}=26\).
b) Écarts à \(\bar x\) : \(-5,-3,-1,1,3,5\), carrés de somme \(70\), \(V(x)=\dfrac{70}{6}\approx11{,}667\). \(\operatorname{Cov}(x,y)=\dfrac{252}{6}=42\).
c) \(a=\dfrac{42}{11{,}667}\approx3{,}6\) et \(b=26-3{,}6\times7=26-25{,}2=0{,}8\), donc \(y=3{,}6x+0{,}8\).
d) \(r=\dfrac{42}{\sqrt{11{,}667\times151{,}33}}=\dfrac{42}{\sqrt{1\,765{,}5}}\approx\dfrac{42}{42{,}02}\approx0{,}9995\). Ajustement excellent, le nuage est presque parfaitement aligné.
e) \(50=3{,}6x+0{,}8\iff3{,}6x=49{,}2\iff x\approx13{,}67\) ares. Comme \(13{,}67\) est légèrement supérieur à la plus grande surface observée (\(12\) ares), il s’agit d’une courte extrapolation — raisonnable ici vu l’excellent ajustement, mais à vérifier sur le terrain.
a) \(\bar x=\dfrac{50+80+110+140+170}{5}=110\) ; \(\bar y=\dfrac{40+68+92+118+145}{5}=\dfrac{463}{5}=92{,}6\). Écarts à \(\bar x\) : \(-60,-30,0,30,60\), carrés de somme \(9\,000\), \(V(x)=1\,800\). \(\operatorname{Cov}(x,y)=\dfrac{7\,800}{5}=1\,560\).
b) \(a=\dfrac{1\,560}{1\,800}\approx0{,}867\) et \(b=92{,}6-0{,}867\times110\approx92{,}6-95{,}33\approx-2{,}73\). Droite : \(y\approx0{,}867x-2{,}73\).
c) \(a\approx0{,}867\) signifie qu’un repas supplémentaire par jour augmente en moyenne le bénéfice hebdomadaire d’environ \(867\) FCFA ; \(b\approx-2{,}73\) (milliers de FCFA) serait le bénéfice théorique « à zéro repas », une valeur extrapolée sans réel sens concret ici.
d) Pour \(x=125\) : \(y\approx0{,}867\times125-2{,}73\approx108{,}4-2{,}73\approx105{,}6\) milliers de FCFA.
e) Non, rien ne le garantit : \(340\) repas est très au-delà de l’intervalle observé (\(50\) à \(170\)), c’est-à-dire une extrapolation extrême ; de plus, un agrandissement change probablement les coûts fixes et la structure du restaurant (nouveau personnel, nouvel équipement), donc la relation affine observée sur une petite plage n’a aucune raison de rester valable à cette échelle.
a) \(\bar x=\dfrac{1+2+3+4+5+6}{6}=3{,}5\) ; \(\bar y=\dfrac{6+11+17+23+28+34}{6}=\dfrac{119}{6}\approx19{,}833\).
b) Écarts à \(\bar x\) : \(-2{,}5,-1{,}5,-0{,}5,0{,}5,1{,}5,2{,}5\), carrés de somme \(17{,}5\), \(V(x)=\dfrac{17{,}5}{6}\approx2{,}917\). \(\operatorname{Cov}(x,y)=\dfrac{98{,}5}{6}\approx16{,}417\).
c) \(a=\dfrac{16{,}417}{2{,}917}\approx5{,}63\) et \(b\approx19{,}833-5{,}63\times3{,}5\approx19{,}833-19{,}705\approx0{,}13\). Droite : \(y\approx5{,}63x+0{,}13\).
d) \(r=\dfrac{16{,}417}{\sqrt{2{,}917\times92{,}47}}=\dfrac{16{,}417}{\sqrt{269{,}8}}\approx\dfrac{16{,}417}{16{,}43}\approx0{,}9996\). L’ajustement affine est excellent : la consommation croît presque proportionnellement à la durée.
e) Pour \(x=4{,}5\) : \(y\approx5{,}63\times4{,}5+0{,}13\approx25{,}335+0{,}13\approx25{,}47\) L, soit un coût d’environ \(25{,}47\times750\approx19\,100\) FCFA.
a) \(\bar x=\dfrac{5+10+15+20+25}{5}=15\) ; \(\bar y=\dfrac{18+34+52+67+83}{5}=\dfrac{254}{5}=50{,}8\). Écarts à \(\bar x\) : \(-10,-5,0,5,10\), carrés de somme \(250\), \(V(x)=50\). Écarts à \(\bar y\) : \(-32{,}8,-16{,}8,1{,}2,16{,}2,32{,}2\) ; produits avec ceux de \(x\) : \(328,84,0,81,322\), somme \(815\), \(\operatorname{Cov}(x,y)=\dfrac{815}{5}=163\).
b) \(a=\dfrac{163}{50}=3{,}26\) et \(b=50{,}8-3{,}26\times15=50{,}8-48{,}9=1{,}9\), donc \(y=3{,}26x+1{,}9\).
c) Chaque vache supplémentaire augmente la production journalière d’environ \(3{,}26\) L : c’est une estimation de la production moyenne par vache, au voisinage des effectifs observés.
d) Pour \(x=18\) : \(y=3{,}26\times18+1{,}9=58{,}68+1{,}9=60{,}58\) L.
e) D’abord, \(100\) vaches est très loin de l’intervalle observé (\(5\) à \(25\)) : forte extrapolation. Ensuite, une « nouvelle étable moderne » change probablement les conditions (alimentation, traite mécanisée, race des vaches) : la relation affine constatée sur de petits enclos traditionnels n’a aucune raison de rester la même dans un contexte industriel différent.
Corrigés — Pour aller plus loin
a) Pour \(x=\bar x\) : \(y=a\bar x+b=a\bar x+(\bar y-a\bar x)=\bar y\). Le point \((\bar x;\bar y)=G\) est donc bien sur \(\mathcal{D}\), quelles que soient les données (dès que \(V(x)\neq0\)).
b) \(e_i=y_i-ax_i-b=y_i-ax_i-(\bar y-a\bar x)=(y_i-\bar y)-a(x_i-\bar x)\), par simple substitution de \(b\).
c) \(\displaystyle\sum_{i=1}^n e_i=\sum_{i=1}^n(y_i-\bar y)-a\sum_{i=1}^n(x_i-\bar x)\). Or, par définition de la moyenne, \(\sum_{i=1}^n(y_i-\bar y)=\sum y_i-n\bar y=n\bar y-n\bar y=0\), et de même \(\sum_{i=1}^n(x_i-\bar x)=0\). Donc \(\sum_{i=1}^ne_i=0-a\times0=0\).
d) La moyenne des résidus, \(\dfrac{1}{n}\sum e_i\), est donc nulle : la droite des moindres carrés ne favorise ni systématiquement les points au-dessus, ni ceux en dessous — les écarts positifs et négatifs se compensent exactement. Ce n’est pas un hasard : \(a\) et \(b\) ont justement été choisis (par le calcul qui minimise \(\sum e_i^2\)) pour que la droite « passe au milieu » du nuage en ce sens précis.
a) \(\bar x=\dfrac{1+2+3+4+5+6+7}{7}=4\) ; \(\bar y=\dfrac{10+12+11+14+15+17+16}{7}=\dfrac{95}{7}\approx13{,}571\).
b) \(a=\dfrac{4{,}5714}{4}\approx1{,}143\) et \(b\approx13{,}571-1{,}143\times4\approx13{,}571-4{,}572\approx9{,}0\). Droite : \(y\approx1{,}143x+9{,}0\).
c) \(r=\dfrac{4{,}5714}{\sqrt{4\times5{,}9592}}=\dfrac{4{,}5714}{\sqrt{23{,}837}}\approx\dfrac{4{,}5714}{4{,}882}\approx0{,}936\). C’est moins élevé que les \(r\) proches de \(0{,}99\) rencontrés précédemment : des ventes journalières dépendent de nombreux facteurs incontrôlés (météo, jour de marché, événements...) qui créent des fluctuations autour de la tendance, alors qu’une mesure physique en conditions contrôlées varie surtout à cause d’erreurs de mesure, bien plus faibles.
d) Moyenne lissée du jour \(4\) : \(\dfrac{11+14+15}{3}=\dfrac{40}{3}\approx13{,}33\), à comparer à la valeur brute \(y_4=14\) : le lissage « gomme » une partie de la fluctuation ponctuelle. En moyennant les jours voisins, on atténue les variations de courte durée (le bruit) pour mieux laisser apparaître la tendance de fond — une idée complémentaire à la droite des moindres carrés, qui résume toute la tendance en une seule droite plutôt qu’en une courbe lissée point par point.
a) \(\bar u=p\bar x+q\) (la moyenne d’une transformation affine est la même transformation affine de la moyenne). Alors \(u_i-\bar u=(px_i+q)-(p\bar x+q)=p(x_i-\bar x)\).
b) \(V(u)=\dfrac{1}{n}\sum(u_i-\bar u)^2=\dfrac{1}{n}\sum p^2(x_i-\bar x)^2=p^2\,\dfrac{1}{n}\sum(x_i-\bar x)^2=p^2V(x)\). De même, \(V(v)=s^2V(y)\).
c) \(\operatorname{Cov}(u,v)=\dfrac{1}{n}\sum(u_i-\bar u)(v_i-\bar v)=\dfrac{1}{n}\sum p(x_i-\bar x)\times s(y_i-\bar y)=ps\,\dfrac{1}{n}\sum(x_i-\bar x)(y_i-\bar y)=ps\,\operatorname{Cov}(x,y)\).
d) Le coefficient de corrélation de \((u,v)\) est \(\dfrac{\operatorname{Cov}(u,v)}{\sqrt{V(u)V(v)}}=\dfrac{ps\,\operatorname{Cov}(x,y)}{\sqrt{p^2V(x)\times s^2V(y)}}=\dfrac{ps\,\operatorname{Cov}(x,y)}{ps\sqrt{V(x)V(y)}}\) (car \(p,s>0\), donc \(\sqrt{p^2s^2}=ps\)) \(=\dfrac{\operatorname{Cov}(x,y)}{\sqrt{V(x)V(y)}}=r\) : le coefficient de corrélation ne change pas.
e) Sur cette série, \(y_i=2x_i\) exactement, donc tous les points sont alignés et \(r=1\). Avec \(u_i=3x_i+1\) et \(v_i=0{,}5y_i-2=x_i-2\), les couples \((u_i;v_i)\) restent liés par une relation affine en \(u\) (puisque \(x=\dfrac{u-1}{3}\) et \(v=\dfrac{u-1}{3}-2\)) : le nuage des \((u_i;v_i)\) est encore parfaitement aligné, donc \(r=1\) également, conformément à d).
Chargement du manuel…
Chargement du manuel…
Chargement du manuel…
Chargement du manuel…
Chargement du manuel…
Chargement du manuel…
Chargement du manuel…
Chargement du manuel…
Chargement du manuel…
Chargement du manuel…
Chargement du manuel…
Chargement du manuel…
Chargement du manuel…
Chargement du manuel…
Chargement du manuel…
Chargement du manuel…
Chargement du manuel…
Chargement du manuel…
Chargement du manuel…
Chargement du manuel…
Chargement du manuel…
Chargement du manuel…
Chargement du manuel…