Exercice 4 :
1) le nombre d’individu qui ont une anciennete au travail de moin d’un an est de :
n_individu= 10+8+5+8+9+4= 44
2) determinons les deux distribution marginales
anciennete(X) [0,6[ [6,12[ [12,18[ [18,24[
centre 3 9 15 21
effectif 23 21 35 11
age(Y) [20,25[ [25,30[ [30,35[
centre 22.5 27.5 32.5
effectif 36 34 20
3) Déterminons la distribution de X conditionnelle à Y = [25, 30], c'est-à-dire, X/Y = [25, 30].
ancienneté(X) [0,6[ [6,12[ [12,18[ [18,24[
effectif 8 9 11 6
4) Non elles ne sont pas indépendantes car l’effectif de chaque ancienneté au chômage dépend de
la tranche d’age prise de chaque individu pris
n
1
5) Calculons les moyennes arithmétiques X̄=
n
∑ x ×c
i i
i=1
23×3+21×9+35×15+ 11×21
x̄= =11.27
90
22.5×36+27.5×34+ 32.5×20
ȳ= =26.62
90
6) Calculons le coefficient de corrélation linéaire ;
n
1
• Calculons les écarts-type des variables X et Y ;σ = ∑ (c i− x̄)2×x i
2
n i=1
1
σ X 2= ×((3−11.27)2×23+(9−11.27)2 ×21+(15−11.27)2×35+(21−11.27)2×11)=35.7
90
donc σ x = √ σ x =√ 35.7=5.98
2
1
σ Y 2= ×((22.5−26.62)2×36+(27.5−26.62)2×34 +(32.5−26.62)2×20)=14.8
90
doncσ y =√ σ y =√ 14.8=3.84
2
n
1
• calculons la covariance entre X et Y;cov ( X ,Y )= ∑ (x × y − x̄× ȳ)×nij
n i=1 i i
Centre X/Centre Y 22.5 27.5 32.5
3 (22.5*3-11.27*26.62)*10 (27.5*3-11.27*26.62)*8 (32.5*3-11.27*26.62)*5
9 (22.5*9-11.27*26.62)*8 (27.5*9-11.27*26.62)*9 (32.5*9-11.27*26.62)*4
15 (22.5*15- (27.5*15- (32.5*15-11.27*26.62)*9
11.27*26.62)*15 11.27*26.62)*11
21 (22.5*21-11.27*26.62)*3 (27.5*21-11.27*26.62)*6 (32.5*21-11.27*26.62)*2
On obtient
-2325,074 -1740,0592 -1012,537
-780,0592 -472,5666 -30,02
562,389 1237,4186 1687,4334
517,4778 1664,9556 764,9852
Donc Cov(X,Y)= 74,34/90=0.826
• Calculons le coefficient de corrélation :
cov (X , Y ) 0.826
r xy =σ × σ = =0.036
x y 3.84×5.98
7) Donnons l’equation de la droite de regression
cov ( X ,Y ) 0.036
Y=aX+b on : a= = =10−3
Var (X ) 35.7
−3
b= ȳ −a x̄=26.62−10 ×11 ,27=26 ,6
-3
donc (D) :Y=10 X+26,6
8 ) Determinons l’age d’une personne d’anciennete 15 mois
Y=10^-3×15+26 ,6=26.61~27 ans
Exercice 5 :
n
1
1) Calculons les moyennes arithmétiques des variables X et Y : X̄=
n
∑ x
i
i=1
80+ 100+115+110 +70+125+105+ 90+110+ 95
x̄= =100
10
32+50+ 62+ 56+8+ 80+62+50+62+38
ȳ= =50
10
n
1
2) Calculons les écarts-type des variables X et Y ;σ 2= ∑ (c i− x̄)2
n i=1
2 1
σ X = ×((80−100) +(100−100) +(115−100) +(110−100)2+(70−100)2 +(125−100)2)
2 2 2
10
2 2 2 2
+(105−100) +( 90−100) +(110−100) +( 95−100) =250
donc σ x = √ σ x =√ 250=15.82
2
1
σ Y 2= 2 2 2 2 2 2
×((32−50) +(50−50) +(62−50) +(56−50) +(8−50) +(80−50) )
10
2 2 2 2
+(62−50) +(50−50) +(62−50) +(38−50) =360
donc σ y =√ σ y =√ 360=18.98
2
n
1
3) Calculons la covariance entre X et Y ;cov ( X ,Y )= ∑ (x i× y i − x̄× ȳ)
n i=1
1
AN: cov ( X ,Y )= ×((2560−500)+(500−500)+(7130−500)+(6160−500)+(560−500))
10
(10000−500)+(6510−5000)+(4500−5000)+(6820−5000)+(3610−5000)=285
4) Calculons le coefficient de corrélation
cov (X , Y ) 285
r xy =σ × σ = =0.94
x y 18.98×15.82
cov(X,Y) est supérieure à 0 donc la corrélation est forte , il existe donc une dépendance
entre x et y
5) Déterminons la droite de régression de Y en X
cov ( X ,Y )
Y=aX+b on : a= =1.14
Var (X )
b= ȳ −a x̄=−64
donc on aura : Y=1.14X-64