Chapitre 4 :

Statistique descriptive d'une série bivarie.

But : mettre en évidence les relations existant entre 2 séries d'observations.

[(Xi
·

série statistique bivariée : la mesure de 2 variables X et y ,

sur n individus donne lieu à une série bivariée .
, Yil ; i =
1 2
, , ...

tableau
·

individus X Caractères

s x Y

1 xn y.

… … …

i Xi Y;

n Xn Yn

on a
plusieurs type de variable :

X/y quanti- ordinal nominal

tatif

IV IV

ル
IV

^
苙
elaboration de tableaux et graphiques
X
Si on veut étudier deux ensembles
>
- réduction des données /Statistiques

tableau /TCI
de
contingence

→
ai
rijk-effectig associé au couple (xj ; 41)

réécriture :
[(Xji yf ; njk) , j
= 1
, ...
J h
,
=
,
,..., bY

distributions
·

marginales
étude d'une série observée /abstraction de l'autrel étude univariée.

b Ex ;;
Série
marginale en X : i
=
1 2
, , ..., n] au [/xj nj) ; j ,
=
1
, ..., 53

avec
nj =j les
effectifs marginau

Fréquence marginale en X :
fj .

= auj ...

ce
qui permet le calcul des statistiques suivantes :
J

告崎 5 . 5 et
*
Ʃ=
気= 吉 品

( ti -* R = 予 nj- (
xj
-
xR
 ·
série
marginale en
y
: [yi ; i
=
1
,
2
, ..., n) ou (142 ,
n .
2)ik =
1
,..., k]

avec n
=jk les effectifs marginaux
>
-

fréquence marginale en
y
:
F .

ch
vi = .

ce qui va nous permettre le calcul du Statistiques Suivantes :

∞y =路 y
.

= 吉 “
表 Y%

L
∞
sy 告 “

( yo -
5

R:
吉

選 " h
[ y %- y ?

distributions
·

conditionnelles

but étude d'une série observée / connaissant la valeur de l'autre série

: en
fixant observée

b
distribution conditionnelle de
y en X : il
faut supposer que l'on connaisse la valeur de x : x =

xj
:
[(42 njk)
, ,
k =
1
,..., k]
=>
étude d'un échantillon de tailler nj.

fréquence Fhjhjfixé ;
·
conditionnelle
/profil-lignes) :
F42 =

avec cela or
peut calculer les variances, conditionnelles :
moyennes ,
-

π 1 xj
哥爱
-
=
^
jb 性

rgE yf lxjk
℃
1
y ) = -5
× 前 (

distribution conditionnelle de x en
y
: il
faut supposer que l'on connaissance la valus de
yiy
=

42 :
[(Xj njk) j
, ,
=
, ..., 5)

=> taille
étude sur un échantillar de n . L

avec cela an peut calculer les

moyennes , variances , ... conditionnelles :

.
* lµ
% =^ }0 xj

§ § 14 =

njh xj
[ -5 lyh 12
 ·

les moments :
généralisation à 2 dimensions de la notion de moment.

moments centrés :
Mrs(yi Crise

D cas
particuliers :
mco
= -=

☆=

最签 { yi ⑤} sy
=
mOz
-

ตา
น:
/ -1 yi

Sxy est
appelé covariance.

moments par rapport à

l'origine
:
misi

A mío
cas particuliers : =y

m'on =
T

propriétés de Mrs Soient Xo E IR et dx dy EIR

:
, yo ,

Liss etmrs 吉
“ loi )' lrii 1 s
·

=
… n) o
-
posons
Xo ns
:
vi
=
, vi e . "

,
=3
= @'
g

A particulier
Sur
Sy
cas :

Covariance

moment centré d'order ( 11 ,

:
mn
=
Sxy
=
coV(X , y) =

zk -
llyi
A la covariance sera
positive s'il existe une relation croissante entre 2 variables.

décroissante
négative
·

Propriétés :

influencée d'unités d'origine. Soient EIR etx

dy CIRI
·

par les changements mais

pas Xo , yo ,

et L 1
Ui
#ixo Vi
e
= =^ …
.

cou loivl に

ody
a

1 cou lxigl 1 ≤
5
xbg 超吉Ib lti - 5
) - Cyi 5 }-
E

expression biant mer et mi :

M
=

Sxyyyimmo me

à mettre en parallèle avec : S'x =

1
กิ
 ·

coefficient corrélation
de /Bravais -
Pearson

= S * ,
r où 0

"

Remarques : => r mesure l'intensité de la "dépendance linéaire entre x et

y

pente
·

r= 1
quand tous les points observés se trouvent sur une même droite de

tous les observés trouvent proximité telle droite.

r21
quand points se à d'une

quand le est parallèlement à l'un

de point allongé des de coordonnées,
forme
=
r 0 axes ou arrondie.
nuage
·

r =
-1 quand tous les points observés se trouvent sur une mime droite de pente négative .

tous les sont situés à telle

r2-1
quand points observés proximité d'une droite

Propriétés :

Ne être utilisé
·

peut pas avec de variables qualitatives.

·

Signer (M) =

Signe /Cou IX , 41
·
-
1xr 1 car(cov/x , y1/ * sxsy
·

r est indépendant des unités de mesures

/origine et unité des echelles de mesure

est indépendant tote

r de
transformation linéaire

rxy quand et l,
= Vig
on a =
ru Vi xo

A uniquement avec dx et
dy strictement positifs .

A D corrélation n'implique par toujours causalité !''

Ceci peut simplement être du au

fait que les 2 variables sont sourmises a des
inferences communes .

:g /
·

vecteur =
moyenne
définit le centre des données
gravité
=
de

Is
·

matrice variance-covariance : Q=

matrice
symétrique
·
Soit X la matrice de observations :

= et X, la matrice des valeurs

antées
c = * )( 感
ー
→ v = ミピ 告(
 Régression
·

linéaire simple

But : definir une relation de dépendance statistique entre 2 variables .

La variable à expliquer sera noté y et variable explicative

X .

droite de : bxi 1a , b EIR)

regression a +
=
:

les résidess : li
·
=

y;
-

Y; =

y;
-
a -

bxi

= creur commise entre l a

Vrai valus et l a valeur

ajustée par la droite

appelée "résider"

l'idée c'est les entre l'observation prévision basée la variable

y , et
de minimiser erreurs commises la vraie valeur de la sur

explicative yi .

minimiser :Ee? arei ar médianr(e a r

Critère de moindres carrés /MCOI :

But : minimiser :
Qlaibl =

ie lyi
:
'=
,
-
a
- bxik

pour minimiser : (il a y-bx

=

lii) b =
Exy
gx

Remarques : en calculant les dérivées secondes ,

on peut montrer
que la Solution est bien un minimum.

developpement pour minimiser :

① pour avoir un minimum il

faut que Qa ,
'

lw , tsl =
o

② on va dériver la somme des résidus carrés par rapport à a

. (a , b =yi-a-b

i )
nsyi -
a
- bxil
=
o, s
g i- na -b
ixi -∞ 0
ngi= na to x. ③
y
=
atby

c le centre
qui implique que de
gravité est sur la droite de régression.

③ dériver la somme des résidus carrés

par rapport à b
: Pla , e
=yi-a-bili
lillgi - @ -
bxil { xil = 0
: xig - @
Ʃ xn 的 ☆=
0
☆ 吉品 ☆}
-
线b ∞
靠器
。 - b 吾與 ☆: 0 =③
告器 xiyi- yx + bx ^
-
b 哈 ☆=
x 0

☆
吉点 xigi - := xi
吾☆ (
、

bl * } ☆
尽然 1
y *
= b *
… *

Resltat : (i) a=
y
-
bx

1b
Ii
=
 régression
·

Variance résiduelle et de :

o
la variable à 2 A régression /Va
on décompose l a variance de expliques/y) en
parties :
partie expliqués par la droite de .
de reg

② (variance résiduelle
partie non expliquée

formulr Sy :
=

z(yii-y =

démonstration -
on va décomposer la variance en une variance résiduelle et une variance de
régression.
5
y
=

告品 Iyi - 吉超 ' yi y -
ら: +
y
.- 5 で

Iyo 学 + 吉 1 i yigillgi -y
“

吉 に悟 ( )
5

- ! -

>
-
ensuite on montre que le double produit est nul .

异
Ʃ
器
gi- :} 1 ji
g

- 1= 弄念 lyi -g b
-
(
xi - xlHltblai -
x |

(
「 YigIlxi -i ) /i - *
) b しxi - *J

[ x =と b[ ☆}
=
aる
Sxy -bs
:
]
ω
?
sxy
響

corrélation/r) et coefficient détermination /R

·

coefficient de de

lien entre le signe de r et la pente de la droite de régression peut prover que: - r

=
on

dans cette relation on voit que : ro =

pente

ro =
pente O

Se Sy/1-r()
peut =
r
·

pourcentage de de la variables expliqué par la variable On montrer =

variance x

re
y . :

interprétation : '
qui sera étendu dans le a s de régression multiple à mesure le % de variance de la variable (y/ expliqué

par la variable explicative (x)

démonstration : Se =
sy(1-r2
ε
=
告
「

8 - -
s;R = 告 Syi -
g

- bixi
-
5 」R

吉品 1 、 5
超品 (* - *
路 i - g) i * i - * )
=

y -
←
-
i

§
y
5 α
線 Sxy
= 響
←

5
} 1
響
= 5
=
y

つ
y

Sy11 -

i'
一
一
一

·

Relation entre une variable quantitative et variable qualitative.

moyenne conditionnelles :
/x; =3
ex : quel salaire
moyen
pour un travailleur
^

ayant un
diplome
de bachelier.

.
a r va
effectuer décomposition de l a variance marginale
-
une

mesure de l'intensité de l a dépendance non linéaire de en X

y .

* }
= 愛 { yig ) =
告
告
導

の tye
β - yk

露袋篇成 5
ysj 51
-
n

告超超 es gp
=

gly %- 51551 吉 , : s ixj .

Pour rapper Rj :
.j et
n

Rapport 1x
=
·

corrélation 2y est défini carré

de le
rapport son
:
. X
par

interprétation :
pourcentage de la variance expliqués par la connaissance de la variable x.

A
Remarques :
·

expression à
comparer avec R

2
·

. x
est indépendant des origines et des unités

o2'y *
·

. x

tj =>
㎡
si j 1λ
j
=
g r
y . x
=0

Si S'ylxj =
0
Vj )1
=

g . x
=

Indice de non linéarité : 2 x-r

y .

l'indice
·

indice : (i) est appelé rang de l'observation correspondante. Notons R(Xi) le

rang de l'observation: et
R/y; / le
rang

de l'observation
Y:

Rs
·

Corrilation de (Ms)
Spearman corr/R/X) RIy
=
: ,

Pearson
de la Corritation de
par définition ,

My -gi

corrélation du quadrant basée 4

parties des médianes
: sur la division de
l'espace en au
moyen
·

Corrélation de Kendall : basée sur la notion de

pair d'observations concordantes et discordantes.
 ·
Relation entre 2 variables qualitatives nominales

画 X et modalités : An
2 variables
qualitatives/nominales) Y : X
prend J , ..., Aj et Y prend K modalités : Bs
..., BK

et y sont observés
·

X sur un ichantillon de taillen

} tableau de contingence IN

rjk nombre d'individus

ayant i temps Aj et
-
BL
·

en

"

nj
→
nj .
=

mj&et n . h = mjk

tableau
·

des
fréquences relatives F
.

proportion d'individus possédant en meme temps les modalités

Aj et BK
filj =...., 5 % 27 ,..,

roljan 51
r(k k)
.
= 1
,...,
.

Fj=
·

fréquences relatives marginales : et

8 .
%
=

Remarques :

est P(xAj Bal

·

fif estimation de
Tjh YC
=
une
,

est estimation
fj P(XEAj)
·

de =

.
une
j .

est estimation
FL de
Th P(YEBR)
=
une
.

tableaux fréquences
·
des conditionnelles

opvas
presentant e modalite
De poum en individue aant e
maand

tableau des profils colonnes :

Proportion des individus présentant la modalité Aj parti les individus qui a BL

851 == の “ る β= gixel
h
^ … :

>
-
estimation de probabilité conditionnelle :
P(XAjlYEBL)
 Si 2 variables aléatoires et sont indépendantes FjE51 54 et V E(1 ...., k}
·
X alors
y , ...,

al P(X( Aj, y( Bh)

=
p(X( Aj)P(yEBh)

b) p(Y EBL(XE Aj) P(YE BL

=

E) PLH E AJIYE BE 1
=
BLXEA5 I

l'échantillon
·

de taille d'estimer quantités devrait

n va nous
permettre ces ,
dis lors sous
l'hypothèse d'indépendance on avoir :

fj (1, 5} VhE(1 , k]

}
al firIj . fl
.
=

,
. .
., ...,

lot
fhlj = -th = =3. # Vj ,
Fh

Pfjlz
=hfj .

Fj ,

ffj etfran
·

fréquences relatives théoriques sous

l'hypothèse d'indépendance :

rjf-rh
·

écarts à l'indépendance Ijh

=
:

interprétations : ·
Si
ejh(o) niffizfrIj f. .
alors on dit que les modalités
Aj et BL "s'attirent"

<n SjhL SJ BL "Se repoussent"

·

Si alors dit les modalités et

rijk (0)
jh fL on
Aj
=

. . que

·
mesures d'association du chi-carré :

D
l @
interprétation : la valur est grande ⑦ .
on s'écarte de l'indépendance donc association.