Commentaires

Diaporama

Plan

1	Statistique descriptive 2 dimensions 1. Présentation en tableau
2	V. qualitative – V. qualitative Le tableau de contingence :
3	V. quantitative – V. qualitative Tableau à double entrée :
4	V. quantitative – v. quantitative Tableau de corrélation ou de régression
5	Statistique descriptive 2 dimensions 2. Présentation graphique
6	V. qualitative – v. qualitative
7	Le stéréogramme
8	Diagramme en barres multiples
9	Diagramme en barres composées
10	V. quantitative – v. qualitative
11	Boîte de dispersion (Box-Plot) multiple
12	V. quantitative – v. quantitative
13	Nuage de points (scatterplot)
14	Statistique descriptive 2 dimensions 3. Paramètres statistiques
15	Différence entre corrélation et régression Régression : relation entre 2 v. continues : L’une a un caractère aléatoire et est appelée dépendante ou expliquée L’autre est une v. indépendante et contrôlée. Elle est auusi qualifiée d’explicative pour marquer la relation de cause à effet. Corrélation : concordance entre les valeurs numériques de 2 v. continues dépendantes. Pas de relation de cause à effet.
16	Il peut exister des corrélations sans qu’il y ait des relations de cause à effet
17	Indicateurs de position de la corrélation
18	Coefficient de corrélation r de Bravais-Pearson
19	Calcul du coefficient
20	Tables de corrélation r de Bravais-Pearson
21	Signe de la corrélation entre +1 et -1
22	Une corrélation proche de zéro
23	Exemple : corrélation entre la taille et le poids
24	Etape 1 : présentation graphique : nuage de points
25	Etape 2 : calcul du coefficient de corrélation (Xlstat)
26	Etape 2 : calcul du coefficient de corrélation (Excel- utilitaire d’analyse)
27	Interprétation du r La taille détermine le poids Le poids détermine la taille Poids et taille sont sous l’influence d’un 3ème facteur La corrélation entre les 2 variables est une coïncidence
28	Interprétation du r² Partie de la variance partagée entre les 2 variables.
29	Hypothèses requises Sujets tirés au hasard X et Y sont des données pairées Observations indépendantes X et Y sont mesurés de façon indépendante X et Y sont mesurés et non contrôlés (fixés) X et Y proviennent de populations distribuées de manière normale (gaussienne) La covariation est linéaire
30	Statistique non paramétrique : Test de Spearman Les valeurs de X et de Y sont remplacées par leurs rangs L’équation suivante est appliquée pour calculer le coefficient r :
31	Tables de Spearman
32	Applications de la corrélation de Spearman Lorsqu’au moins une des variables n’a pas une distribution normale. Ou lorqu’au moins une des variables se mesure sur une échelle ordinale.
33	Corrélation entre la qualité et le prix La qualité est mesurée sur une échelle de 1 à 10 (échelle ordinale) Le prix se mesure sur une échelle de rapport. Le coefficient de Spearman est le plus adapté comme mesure de corrélation
34	Exemple
35	Résultats XLSTAT
36	Indicateurs de position de la Régression y = a₀+a₁*x 1- paramètres de position
37	Pente a₁ (sensibilité)
38	Ordonnée à l’origine a₀
39	Exemple : dosage
40	Résultat par XLSTAT Les paramètres
41	Résultats par XLSTAT Les données
42	Résultats par XLSTAT : Les graphiques
43	Résumé