En prévision du lancement d'un produit, une société a effectué une
enquête auprès d'une population ciblée de potentiels clients pour
fixer le prix de vente de ce produit. Les résultats sont donnés dans le
tableau ci-dessous.
Prix xi de vente en
100 110 120 130 140 150 160
euros
Nombre yi d'acheteurs
105 95 75 68 53 46 31
éventuels
Le premier caractère est le prix x i de vente en euros, le second le
nombre yi d'acheteurs éventuels et les valeurs prises par cette série
sont donc les couples : (100 ; 105), (110 ; 95), ....., (160 ; 31).
L'ensemble des points M 1, M2, ...., Mn de coordonnées
respectives M1 (x1 ; y1), M2 (x2 ; y2), ...,
Mn (xn ; yn) dans un repère du plan est appelé nuage de points
de la série.
On convient donc de représenter cette série graphiquement par
son nuage de points associé.
Exemple
On peut représenter le nuage de points de la série de l'exemple
précédent, en plaçant les points M 1(100 ; 105), M2(110 ; 95), .....,
M7(160 ; 31) dans un repère aux unités graphiques adaptées à la
situation.
EXEMPLE2
Les nuages de points aisés à étudier sont ceux où les points
sont presque alignés.
Or, dans de nombreux cas, les points obtenus en dessinant
directement le nuage ne le sont pas, mais suivent plutôt la
courbe d'une fonction de référence (parabole, courbe d'une
fonction exponentielle, logarithme décimal, etc.).
On réalise alors un changement de variable sur les valeurs de
l'un des deux caractères de la série statistique double, en
calculant de nouvelles valeurs pour ce caractère.
En représentant le nouveau nuage de points associé à la
nouvelle série statistique ainsi calculée, on constate qu'on a «
redressé » le nuage, qui propose alors des points presque
alignés.
On peut alors utiliser une droite de régression linéaire.
Exemple
Dans le tableau suivant on a regroupé les valeurs mesurées y de la
vitesse en m/s d'un bateau initialement à l'arrêt qui lance ses
moteurs à pleine puissance, en fonction du temps écoulé (en s)
depuis le départ du bateau.