Statistique à deux variables : corrélation et causalité en Terminale maths complémentaires
Nuage de points, droite des moindres carrés, coefficient de corrélation, changement de variable, corrélation ou causalité en maths complémentaires.
Mis à jour le
Deux grandeurs mesurées ensemble (tension et intensité, temps et population, heures de révision et note) forment une série statistique à deux variables. Le thème « Corrélation et causalité » de maths complémentaires apprend à ajuster le nuage par une droite, à l'utiliser pour prévoir, et à garder un regard critique.
Au programme : nuage de points, point moyen G(x;y)G(x̅ ;y̅), droite des moindres carrés y=ax+by = ax + b avec a=V(x)cov(x,y)a = (cov (x, y))/V(x) et b=y−axb = y̅ - ax̅, coefficient de corrélation rr, changement de variable z=lnyz = ln y pour une croissance exponentielle, interpolation et extrapolation, loi d'Ohm et loi de Moore.
Pièges classiques : extrapoler loin des données, revenir à yy en écrivant eax+ebe ^(ax) + e ^(b), et surtout conclure à une causalité à partir d'une corrélation (facteur commun, causalité inversée, coïncidence).
Teste tes connaissances et vérifie que tu maîtrises le chapitre.
QCM — Statistique à deux variables (51 questions)
Leçon complète
Statistique à deux variables : corrélation et causalité en Terminale maths complémentaires : cours complet
Nuage de points et point moyen
Définition — Série à deux variables.
On étudie deux caractères quantitatifs xx et yy sur nn individus : couples (x1;y1),…,(xn;yn)(x₁ ;y₁), …, (xₙ ;yₙ). Dans un repère, les points Mi(xi;yi)Mᵢ(xᵢ ;yᵢ) forment le nuage de points. Le point moyen est
G(x;y)avecx=nx1+…+xnety=ny1+…+yn.G(x̅ ;y̅) avec x̅ = (x₁ + … + xₙ)/n et y̅ = (y₁ + … + yₙ)/n.
Exemple — Heures de révision et note.
Heures de révision xixᵢ
11
22
33
44
55
66
Note obtenue yiyᵢ
77
99
1010
1212
1313
1515
x=621=3,5x̅ = 21/6 = 3,5 et y=666=11y̅ = 66/6 = 11 : G(3,5;11)G(3,5 ;11). Le nuage est presque aligné : un ajustement affine est pertinent.
La droite des moindres carrés
Définition — Ajustement affine.
Ajuster le nuage par une droite y=ax+by = ax + b, c'est choisir aa et bb pour que la droite passe « au plus près » des points. Pour chaque point, l'écart vertical est yi−(axi+b)yᵢ - (axᵢ + b) (le résidu). La droite des moindres carrés (ou de régression de yy en xx) est celle qui rend minimale la somme des carrés des résidus :
S(a,b)=i=1∑n(yi−axi−b)2.S(a, b) = Σ_i=1ⁿ (yᵢ - axᵢ - b)².
Théorème — Coefficients de la droite des moindres carrés.
La droite des moindres carrés passe par le point moyenGG et a pour coefficient directeur
a=V(x)cov(x,y)ouˋcov(x,y)=n1∑(xi−x)(yi−y),V(x)=n1∑(xi−x)2,a = (cov (x, y))/V(x) où cov (x, y) = 1/nΣ (xᵢ - x̅)(yᵢ - y̅), V(x) = 1/nΣ (xᵢ - x̅)²,
et b=y−axb = y̅ - a x̅.
Démonstration — Pourquoi la droite passe par GG.
Fixons aa et regardons SS comme une fonction de bb. En notant zi=yi−axizᵢ = yᵢ - axᵢ, de moyenne z=y−axz̅ = y̅ - ax̅ :
S(b)=∑(zi−b)2=nb2−2b∑zi+∑zi2=nb2−2nbz+∑zi2.S(b) = Σ (zᵢ - b)² = nb² - 2bΣ zᵢ + Σ zᵢ² = nb² - 2nb z̅ + Σ zᵢ².
C'est un trinôme en bb, de coefficient n>0n > 0 : il est minimal pour b=2n2nz=z=y−axb = (2nz̅)/2n = z̅ = y̅ - ax̅, c'est-à-dire quand la droite passe par GG. On montre de même, en remplaçant bb par y−axy̅ - ax̅, que SS est un trinôme en aa, minimal pour a=V(x)cov(x,y)a = (cov (x, y))/V(x).
Exemple — Révisions (suite).
La calculatrice donne a≈1,543a ≈ 1,543 et b=11−1,543×3,5≈5,6b = 11 - 1,543 × 3,5 ≈ 5,6 : y=1,543x+5,6y = 1,543x + 5,6. Prévision pour 4,54,5 heures (interpolation) : y≈12,5y ≈ 12,5. Chaque heure de révision supplémentaire est associée, en moyenne, à 1,51,5 point de plus.
Nuage, point moyen G(3,5;11)G(3,5 ;11) et droite des moindres carrés y=1,543x+5,6y = 1,543x + 5,6.
Définition — Coefficient de corrélation linéaire.r=σ(x)σ(y)cov(x,y),−1≤r≤1.r = (cov (x, y))/(σ(x) σ(y)), -1 ≤ r ≤ 1.rr a le signe de aa. Plus ∣r∣|r| est proche de 11, plus les points sont proches de la droite ; ∣r∣=1|r| = 1 si et seulement si ils sont alignés. On considère souvent l'ajustement affine comme justifié quand ∣r∣≥0,9|r| ≥ 0,9 environ. Pour les révisions, r≈0,996r ≈ 0,996.
Exemple — Loi d'Ohm.
On mesure la tension UU (en V) aux bornes d'un conducteur pour différentes intensités II (en A) :
II
0,10,1
0,20,2
0,30,3
0,40,4
0,50,5
0,60,6
UU
2,12,1
4,04,0
6,26,2
7,97,9
10,110,1
12,012,0
La régression donne U≈19,86I+0,10U ≈ 19,86 I + 0,10 avec r≈0,9996r ≈ 0,9996. L'ordonnée à l'origine est négligeable (erreurs de mesure) : on retrouve U=RIU = RI avec une résistance R≈20ΩR ≈ 20 Ω.
Changement de variable
Méthode — Se ramener à un ajustement affine.
Si le nuage a une forme courbe, on cherche une transformation qui le redresse :
croissance exponentielle y=keaxy = k e ^(ax) : on pose z=lnyz = ln y, alors z=ax+lnkz = ax + ln k est affine en xx ;
autres modèles : z=yz = √y, z=y1z = 1/y, ou X=x2X = x², selon la forme du nuage.
On ajuste zz en xx, puis on revient à yy.
Exemple — Croissance d'une culture de bactéries.
tt (h)
00
11
22
33
44
55
NN
100100
150150
220220
340340
500500
760760
z=lnNz = ln N
4,6054,605
5,0115,011
5,3945,394
5,8295,829
6,2156,215
6,6336,633
Le nuage (t;z)(t ;z) est très bien aligné (r≈0,9999r ≈ 0,9999) : z≈0,405t+4,601z ≈ 0,405t + 4,601. Donc N=ez≈e4,601×e0,405t≈99,6×1,50tN = e ^(z) ≈ e ^(4,601) × e ^(0,405t) ≈ 99,6 × 1,50^(t) : la population est multipliée par 1,51,5 chaque heure. Extrapolation à t=7t = 7 h : N≈1700N ≈ 1 700.
Remarque — La loi de Moore.
En 19651965, Gordon Moore remarque que le nombre de transistors par puce double environ tous les deux ans : en échelle logarithmique, les données de l'industrie s'alignent sur une droite pendant cinquante ans. Le même procédé sert pour la décroissance radioactive ou l'élimination d'un médicament.
Interpoler, extrapoler, et rester critique
Définition — Interpolation, extrapolation.
Utiliser l'ajustement à l'intérieur de l'intervalle des données, c'est interpoler ; au-delà, c'est extrapoler. L'extrapolation suppose que la tendance continue : elle est d'autant plus risquée qu'on s'éloigne des données.
Exemple — Une extrapolation absurde.
Avec les révisions, x=10x = 10 heures donnerait y≈21y ≈ 21 sur 2020 ! Le modèle affine n'est valable que dans le domaine observé. De même, les bactéries ne peuvent croître indéfiniment (espace, nourriture) : à long terme, un modèle logistique est plus réaliste. Quand la variable explicative est le temps (climat, démographie, économie), l'extrapolation est l'enjeu principal et doit être accompagnée d'hypothèses explicites.
Propriété — Corrélation n'est pas causalité.
Un coefficient ∣r∣|r| proche de 11 indique que deux grandeurs varient ensemble, pas que l'une cause l'autre. Trois situations fréquentes :
un facteur commun : les ventes de glaces et les noyades sont corrélées, car toutes deux augmentent l'été ; la pointure et le niveau de lecture des enfants sont corrélés, car tous deux dépendent de l'âge ;
une causalité inversée : dans les villes, plus il y a de policiers, plus il y a de délits… parce qu'on affecte des policiers là où il y a des délits ;
une coïncidence : deux séries qui croissent avec le temps sont toujours corrélées.
Établir une causalité demande une expérience contrôlée (essai clinique avec groupe témoin tiré au hasard) ou un mécanisme explicatif (loi physique, comme la loi d'Ohm).
Erreurs classiques
Attention — À éviter.
Oublier que la droite des moindres carrés passe par GG : c'est un contrôle immédiat.
Conclure à une relation affine avec ∣r∣|r| faible, ou à l'absence de lien : r≈0r ≈ 0 n'exclut pas une relation non affine (une parabole).
Revenir à yy en écrivant y=eax+eby = e ^(ax) + e ^(b) : c'est y=ebeaxy = e ^(b) e ^(ax).
Les émissions de CO2CO₂ d'une usine (en milliers de tonnes) sont :
Rang de l'année xx
00
11
22
33
44
55
Émissions yy
5252
5050
4949
4646
4545
4343
Calculer les coordonnées du point moyen GG.
La calculatrice donne la droite y=−1,8x+52y = -1,8x + 52 et r≈−0,993r ≈ -0,993. Vérifier qu'elle passe par GG et interpréter le coefficient −1,8-1,8.
Estimer les émissions pour le rang 1212. Quelle réserve formuler ?
Exercice 2 – Changement de variable
Un ajustement de z=lnyz = ln y en xx donne z=−0,35x+2,3z = -0,35x + 2,3. Exprimer yy en fonction de xx sous la forme y=keaxy = k e ^(ax), puis estimer yy pour x=4x = 4.
Exercice 3 – Esprit critique
Une étude constate une forte corrélation entre le nombre de cafés bus par jour et le risque de maladie cardiaque. Peut-on conclure que le café est dangereux pour le cœur ? Proposer une explication alternative.
Corrigés des exercices
Corrigé de l'exercice 1
Corrigé.
x=2,5x̅ = 2,5 et y=6285=47,5y̅ = 285/6 = 47,5 : G(2,5;47,5)G(2,5 ;47,5). 2. −1,8×2,5+52=47,5-1,8 × 2,5 + 52 = 47,5 : la droite passe par GG. Les émissions baissent en moyenne de 18001 800 tonnes par an. 3. y=−1,8×12+52=30,4y = -1,8 × 12 + 52 = 30,4 milliers de tonnes, en supposant que la baisse se poursuit au même rythme, ce qui est une extrapolation lointaine (une baisse linéaire finirait par donner des émissions négatives).
Corrigé de l'exercice 2
Corrigé.y=ez=e2,3e−0,35x≈9,97e−0,35xy = e ^(z) = e ^(2,3) e ^(-0,35x) ≈ 9,97 e ^(-0,35x). Pour x=4x = 4 : y≈9,97e−1,4≈2,46y ≈ 9,97 e ^(-1,4) ≈ 2,46.
Corrigé de l'exercice 3
Corrigé.
Non : une corrélation ne prouve pas une causalité. Un facteur commun peut l'expliquer : les grands buveurs de café fument peut-être davantage, dorment moins ou sont plus stressés, ce qui augmente le risque cardiaque. Seule une étude contrôlée (groupes comparables tirés au hasard) permettrait de conclure.
Tout sur statistique à deux variables et inégalités
Nuage de points, droite des moindres carrés, corrélation et causalité, courbe de Lorenz et indice de Gini.