Scribd
Importer
5 vues5 pages

Corrélation et tests statistiques avancés

Le document traite de la théorie de la corrélation, y compris les concepts de variance, droite de régression des moindres carrés, et coefficient de corrélation. Il aborde également les tests d'hypothèse sur la significativité du coefficient de corrélation, ainsi que la comparaison de deux coefficients de corrélation. Les formules et méthodes statistiques sont présentées pour évaluer les relations entre deux variables.

Transféré par

ELMansour Maza-Wagé
Copyright
© All Rights Reserved
Nous prenons très au sérieux les droits relatifs au contenu. Si vous pensez qu’il s’agit de votre contenu, signalez une atteinte au droit d’auteur ici.
Formats disponibles
Téléchargez aux formats PDF, TXT ou lisez en ligne sur Scribd
5 vues5 pages

Corrélation et tests statistiques avancés

Le document traite de la théorie de la corrélation, y compris les concepts de variance, droite de régression des moindres carrés, et coefficient de corrélation. Il aborde également les tests d'hypothèse sur la significativité du coefficient de corrélation, ainsi que la comparaison de deux coefficients de corrélation. Les formules et méthodes statistiques sont présentées pour évaluer les relations entre deux variables.

Transféré par

ELMansour Maza-Wagé
Copyright
© All Rights Reserved
Nous prenons très au sérieux les droits relatifs au contenu. Si vous pensez qu’il s’agit de votre contenu, signalez une atteinte au droit d’auteur ici.
Formats disponibles
Téléchargez aux formats PDF, TXT ou lisez en ligne sur Scribd

Théorie de la corrélation

Pour un échantillon de N éléments, on mesure deux variables x et y. La disper-


sions suivant X et Y s’écrivent
(X − X̄)2
P
2
var(X) = sX = ,
P N
(Y − Ȳ )2
var(Y ) = s2Y = .
N

La droite de régression des moindres carrés


On peut tracer x en fonction de y ou y en fonction de x sur un diagramme de
dispersion. La droite de régression des moindres carrés s’écrit

Yest = a0 + a1 X, ou Xest = a2 + a3 Y,

avec
Y )( X 2 ) − ( X)( XY )
P P P P
(
a0 = P P
N X 2 − ( X)2

X)( Y 2 ) − ( Y )( XY )
P P P P
(
a2 = P P
N Y 2 − ( Y )2

P P P P
N XY − ( X)( Y ) (X − X̄)(Y − Ȳ )
a1 = P 2 P 2 = P
N X − ( X) (X − X̄)2

P P P P
N XY − ( Y )( Y ) (X − X̄)(Y − Ȳ )
a3 = P 2 P 2 = P
N Y −( Y) (Y − Ȳ )2

1
Ecart type de l’estimation
Une mesure de la dispersion de la droite de régression de Y sur X est
rP
(Y − Yest)2
sY,X = .
N
Une mesure de la dispersion de la droite de régression de X sur Y est
rP
(X − Xest )2
sX,Y = .
N
En général sY,X =
6 sX,Y .
En injectant la droite de régression des moindres carrés dans ces expressions,
nous obtenons P 2 P P
2 Y − a0 Y − a1 XY
sY,X = .
N

Variations expliquée et non expliquée


La variation totale est la somme de la variation expliquée et de la variation non
expliquée par la droite des moindres carrés.
X X X
(Y − Ȳ )2 = (Y − Yest )2 + (Yest − Ȳ )2

Le coefficient de corrélation
Le coefficient de corrélation s’écrit
r sP
variation expliquée (Yest − Ȳ )2
r=± =± P .
variation totale (Y − Ȳ )2

Sans tenir compte du signe et en injectant sY dans l’équation ci-dessus, il est


possble de montrer que
s
s2Y,X √
r = 1− 2 ou sY,X = s2Y 1 − r 2 .
sY

Formule du produit des moments du coefficient de corrélation


linéaire
Si l’on suppose qu’il existe une relation linéaire entre X et Y , le coefficient de
corrélation devient

2
covar(X, Y )
r=p
var(X)var(Y )

covar(X, Y )
= √
sX sY

X
(X − X̄)(Y − Ȳ )
=qX X
( (X − X̄)2 )( (Y − Ȳ )2 )

La nouvelle quantité covar(X, Y ) est appelée la covariance et s’écrit


1 X
covar(x, y) = (X − X̄)(Y − Ȳ )
N

3
A2/ Test d’hypothèse sur la significativité de ρ

Les hypothèses testées :

H0 : ρ = 0 (r = 0) indépendances des variables X et Y, pas de liens


statistiques entre ces variables
H1 : ρ ≠ 0 (r ≠ 0) les variables X et Y sont dépendantes

Les conditions d'applications (cf. Régression)

La statistique du test :
r N −2
tr =
1− r2

tr suit une loi de Student à N-2 ddl donc

si | tr | > tseuil Rejet de H0 (avec tseuil = t1-α/2,N-2)

A3/ Test d’hypothèse sur ρ=ρ0

H0 : ρ = ρ0 .
H1 : ρ ≠ ρ0 .

Zr = 12 Ln(1+r
1−r )

Zr suit une loi normale de moyenne (Zr) et de variance (Zr) avec :


µ ( Z r ) = 12 Ln(11+− ρρ ) et σ ( Z r ) = 1
n −3

L'intervalle de confiance de Zr à 1-α est IC(1 − α ) = Zr ± U1− α / 2 [ 1


n−3 ], la
transformation inverse permettra d'obtenir l'intervalle de confiance de ρ.

A4/ Comparaison de 2 Coefficients de Corrélation

Zr1 = 12 Ln ( )
1+r1
1−r1 et Zr2 = 12 Ln ( )
1+ r2
1−r2 avec

1
( )
µ ( Z r ) = 12 Ln 11+− ρρ 1
1
et σ ( Z r ) = n 1−3
1 1

2
( )
µ ( Z r ) = 12 Ln 11+− ρρ 2
2
et σ ( Z r ) = n 1−3
2 2

Les hypothèses testées :

H0 : ρ1 = ρ2 ( Zr1 = r2 )
H1 : ρ1 ≠ ρ2

La statistique du test :
Z r1 − Z r2
U=
1 + 1
( N1 − 3) ( N 2 − 3)

U suit une loi Normale donc

si | U | > U1-α/2 => Rejet de H0

Vous aimerez peut-être aussi