Nuage de points, ajustement affine, moindres carrés et changement de variable en Terminale STMG.
Mis à jour le
Les statistiques à deux variables servent à étudier le lien entre deux grandeurs, par exemple le budget publicitaire et le chiffre d'affaires, puis à faire des prévisions : une démarche très utilisée en gestion et en marketing.
Au programme : représenter un nuage de points et placer le point moyen G(x;y)G(x̅ ;y̅) ; ajuster le nuage par une droite, au jugé ou par la méthode des moindres carrés, qui rend minimale la somme des carrés des écarts ∑(yi−(axi+b))2Σ (yᵢ - (axᵢ + b))² ; utiliser la droite pour interpoler ou extrapoler ; et, quand le nuage est incurvé, effectuer un changement de variable donné (x2x², x11/x, log(y)log(y)…) pour obtenir des points alignés.
Pièges classiques : ajuster par une droite un nuage manifestement courbe, oublier de revenir à la variable de départ après un changement de variable, et accorder trop de confiance à une extrapolation lointaine. Un bon ajustement décrit une tendance ; il ne prouve pas une relation de cause à effet.
Teste tes connaissances et vérifie que tu maîtrises le chapitre.
QCM — Séries statistiques à deux variables (51 questions)
Leçon complète
Statistiques à deux variables en Terminale STMG : cours complet
Quand on observe deux grandeurs en même temps (budget publicitaire et ventes, prix et quantités vendues, années et chiffre d'affaires), on cherche à décrire leur lien et à s'en servir pour prévoir. L'outil principal est l'ajustement affine d'un nuage de points.
Nuage de points et point moyen
Une série statistique à deux variables est une liste de couples (xi;yi)(xᵢ ;yᵢ). On la représente par un nuage de points : xx est la variable explicative (en abscisse), yy la variable expliquée.
Le point moyen a pour coordonnées les moyennes des deux séries :
Points presque alignés : un ajustement affine est pertinent.
Points disposés selon une courbe : une droite les décrirait mal ; on envisage un changement de variable.
Points dispersés sans forme : aucun ajustement affine n'a de sens.
Pour des xixᵢ régulièrement espacés, des écarts yi+1−yiyᵢ₊₁ - yᵢ à peu près constants signalent un nuage presque aligné.
Ajustement affine
Au jugé
On trace une droite qui passe « au milieu » des points, par exemple par le point moyen GG et par un autre point bien choisi, puis on calcule son équation.
Méthode des moindres carrés
Parmi toutes les droites y=ax+by = ax + b, la droite des moindres carrés est celle qui rend minimale la somme des carrés des écarts verticaux :
Ses coefficients sont donnés par la calculatrice ou le tableur ; elle passe toujours par le point moyen GG. Comparer les sommes SS de deux droites permet de dire laquelle ajuste le mieux le nuage.
Exemple
Année (xx)
11
22
33
44
55
CA (k€, yy)
100100
120120
145145
170170
190190
Le point moyen est G(3;145)G(3 ;145) et la droite des moindres carrés est y=23x+76y = 23x + 76 : le chiffre d'affaires progresse en moyenne de 2323 k€ par an. On vérifie que 23×3+76=14523 × 3 + 76 = 145.
Prévoir avec la droite
Interpolation : xx est dans la plage des données ; la prévision est fiable si le nuage est bien aligné.
Extrapolation : xx est en dehors ; la prévision suppose que la tendance se maintient, et devient de plus en plus risquée à mesure qu'on s'éloigne.
Exemple : pour l'année 77, y=23×7+76=237y = 23 × 7 + 76 = 237 k€, une extrapolation de deux ans.
Prévision inverse : pour savoir quand yy atteint une valeur, on résout ax+b=y0ax + b = y₀ (ou une inéquation, en changeant le sens si a<0a < 0).
Changement de variable
Quand le nuage est incurvé, on calcule de nouvelles valeurs pour lesquelles les points deviennent alignés, puis on ajuste.
Allure du nuage
Changement de variable
monte de plus en plus vite
z=x2z = x², ou z=log(y)z = log(y) si les quotients sont constants
monte de moins en moins vite
z=xz = √(x)
descend vite puis s'aplatit
z=x1z = 1/x
Exemple : si log(y)=0,05x+2log(y) = 0,05x + 2, on revient à yy par y=102×(100,05)x≈100×1,122xy = 10² × (10^(0,05))^(x) ≈ 100 × 1,122^(x) : une croissance d'environ 12%12 % par période.
Ajustement et causalité
Un nuage bien aligné montre que deux grandeurs varient ensemble, pas que l'une cause l'autre. Les ventes de glaces et les interventions des sauveteurs augmentent ensemble en été : c'est la chaleur qui explique les deux.
Erreurs fréquentes à éviter
Ajuster par une droite un nuage courbe parce que la calculatrice en donne toujours une.
Remplacer xx par l'année au lieu du rang (x=x = année −- année de départ).
Oublier de revenir à yy après un changement de variable (log(y)log(y) n'est pas yy).
Extrapoler loin des données sans réserve.
Confondre ajustement et causalité.
FAQ — Statistiques à deux variables en Terminale STMG
À quoi sert le point moyen ?
C'est le centre de gravité du nuage : la droite des moindres carrés passe toujours par lui. Avec la pente, il suffit à écrire l'équation de la droite.
Qu'est-ce que la méthode des moindres carrés ?
C'est le choix de la droite qui rend la plus petite possible la somme des carrés des écarts entre les points et la droite. La calculatrice la donne directement.
Comment savoir si un ajustement affine convient ?
On regarde le nuage : les points doivent être presque alignés. Les écarts entre les points et la droite (les résidus) doivent être petits et sans motif régulier.
Quand faut-il faire un changement de variable ?
Quand le nuage est nettement incurvé. L'énoncé indique le changement à effectuer (x2x², x11/x, log(y)log(y)…) ; on vérifie que les nouveaux points sont alignés avant d'ajuster.
Tout sur statistiques et probabilités en stmg
Séries à deux variables, probabilités conditionnelles, variables aléatoires, répétition d'épreuves et loi binomiale.