Analyse Statistique bivariée

 Données : X et Y deux v.a. observées sur n u.s

 Objectif : mettre en évidence une éventuelle
variation de X et Y

La liaison

causale
Non causale

v.cible Expl. V.explicatives

Éliminer
Éviter les
Les v.expli.
redondances
Sans effet
Sur la
v.cible
Pr. Hasna CHAMLAL 19
I. Cas de deux v.a. quantitatives
1. Exemple :
● X : dépenses mensuelles en publicité
●Y : ventes mensuelles
Visualisation des données : nuage de points(Diagramme
de dispersion, scatter plot)

Lien positif
entre les deux
variables

publicité

Pr. Hasna CHAMLAL 20

Intérêt : idée sur la modélisation Y=f(X) ou X=f(Y).
2. Mesure de corrélation
But : quantifier la liaison entre X et Y.
Le coefficient de covariance
  
n
• 1
Déf : cov( X , Y )  c XY   Y ( wi )  Y X ( wi )  X
n i 1

1 n
 [  Y ( wi ) X ( wi )]  Y  X
n i 1
 CXY est une forme bilinéaire symétrique, la forme quadratique
associée est la var :
• Propriètés et Remarques :
Var(X+Y)=Var(X)+Var(Y)+2Cov(X,Y)
 Inégalité de Cauchy schwartz :

(Cov( X , Y )) 2  Var ( X )Var (Y )

 CXY dépend des unités de mesures.
 La covariance sera positive (négative) s’il existe une relation
croissante (décroissante) entre les 2 variables.
Le coefficient de corrélation linéaire
 étude numérique de la manière dont les deux v.a varient
simultanément.
Pr. Hasna CHAMLAL 21
 • Déf.
c
cor( X ,Y )  r  s XY où s  0, s  0
XY X sY X Y
• Propriétés :
 X  X Y Y  X  X
rXY  cov , , ( : v.c.r )
 rXY
 sX sY  s X
ne dépend pas des unités de mesure

rXY  1
=0 =1
Il existe (a,b,c) tq :
Indépendance linéaire
(nuage de pts circulaire
rXY aX+bY+c=0
Ou // à un des axes) (nuage de pts rect.)
sinon

Tester la signification
de rXY

Pr. Hasna CHAMLAL 22

Seuil critique r (  n  2,  ) pour un coefficient de corrélation simple

Pr. Hasna CHAMLAL 23

Interprétation d’un rXY :
• Si r est significatif alors :
□ 100|r|% des variations de X(resp. Y) sont
contrôlées par Y(resp. X),
□ Le signe de r sens de variation
• Une liaison non linéaire n’est pas mesurée par r.

r>0 r<0 Pas de corr. mais

r significatif
dépendance

Indépendance linéaire

Pr. Hasna CHAMLAL 24

II. Cas de deux variables qualitatives
1. Les données et leur présentation
x1 y1
x2 y2

X Y

xr yc
y1 … yj ..yc total
x1 n1.
… c
nl .   nlj l  1; r
xl nlj nl. j 1
r Effectifs marginaux
.. n.h   nih h  1; c
i 1
xr nlh : effectif conjoint ((l  1; r) (h  1; c))
total n.j n

Pr. Hasna CHAMLAL 25

2. Exemple: Enquête auprès de 200 étudiants
• Variable X: Provenance des étudiants,
3 modalités: R1;R2;R3 (3 régions).
• Variable Y : Choix de l'université
 3 modalités: U1;U2;U3 (3 universités).
• Tableau de contingence:

Pr. Hasna CHAMLAL 26

3. Tableau des fréquences relatives F
n jk
f jk  j  1; r k  1; c
n

• Les fréquences relatives marginales sont données par:

n j.
f j.  j  1; r
n
n. k
f .k  k  1; c
n
• Remarquons que:
• f jk est une estimation de P(X=j,Y=k)

• f j. est une estimation de P(X=j)

• f .k est une estimation de P(Y=k)

Pr. Hasna CHAMLAL 27

• Exemple :

4. Tableaux des fréquences conditionnelles

a. Tableau des profils-lignes:
• Proportion des individus présentant la modalité k de Y parmi les
individus ayant la modalité j de X

Pr. Hasna CHAMLAL 28

 estimation de la probabilité conditionnelle:
P(Y=k/X=j)
Exemple :

b. Tableau des profils-colonnes:

Proportion des individus présentant la modalité j de X parmi les individus
ayant la modalité k de Y

Pr. Hasna CHAMLAL 29

 estimation de la probabilité conditionnelle :
P(X=j/Y=k)
Exemple :

Pr. Hasna CHAMLAL 30

4. Situation d'indépendance
Si 2 variables aléatoires X et Y sont indépendantes,
alors
j  1,2,.., r et k  1,2,.., c:
a. P ( X  j , Y  k )  P ( X  j ) P (Y  k )
b. P (Y  k / X  j )  P (Y  k )
c. P ( X  j / Y  k )  P ( X  j )
• L’échantillon de taille n nous permet d'estimer ces
quantités, dès lors sous l'hypothèse d'indépendance,
on devrait avoir :
a. f jk  f j . f.k ( j , k )  1,..., r 1,2,..., c
f jk
b. f k / j   f .k j , k
f j.
f jk
c. f j / k   f j. j , k
f .k
Ainsi tous les proils-lignes et les proils-colonnes sont pratiquement
égaux.
Pr. Hasna CHAMLAL 31
• On définit donc les fréquences théoriques vérifiant l’hypothèse
d’indépendance :

• Exemple :
Effectifs et effectifs théoriques

Pr. Hasna CHAMLAL 32

 5. Représentation graphique des deux profils

1000

3,5
800
3,0

2,5

600 2,0

1,5

1,0

Occurrences
400 VAR00
,5
satisfaction
0,0
Occurrences

1 2

200 Pas très heureux

VAR00001

Plutôt heureux Exemple d’indépendance

0 Très heureux
Homme Femme

Sexe du répondant
Exemple de dépendance

6. La matrice des écarts à l’indépendance :

E=N-N*=(ejk)
Où N est la matrice des effectifs observées et N* la matrice des effectifs
théoriques en situation d’indépendance.

Pr. Hasna CHAMLAL 33

• Exemple :

Pr. Hasna CHAMLAL 34

• Interprétations :
ejk>0↔njk>n*jk ↔ fjk>f*jk

→ On dit que les modalités j de X et k de Y s’attirent

ejk<0↔njk<n*jk ↔ fjk<f*jk
→ On dit que les modalités j de X et k de Y se repoussent
Exemple : Les modalités R2 et U3 s’attirent fortement alors que les
modalités R2 et U1 se repoussent fortement.
7. Mesure d’association
Déf: khi-deux de contingence :
2
 nl . n.h 
 lh
n  
   
r c
n
2
l 1 h 1
nl . n.h
n
 r
 n  
c
nlh 
2
 1

 l 1 h 1 nl . n.h 
Pr. Hasna CHAMLAL 35
Remarques :
• Le khi-deux de contingence est positif
• Test de signification :
On rejette l'hypothèse d'indépendance entre X et Y avec une erreur
de 1ière espèce de α% si :

Exemple :
 2 2
( r 1)( c 1);1

 2  38.7692
Sous H 0 :  2   42 ;
Règle de comporteme nt :
au niveau   1% ;  42;0.99  13.28

Donc on conclut au rejet de l’hypothèse nulle c’est qu’il y’a

dépendance entre les régions et le choix de l’université.

Pr. Hasna CHAMLAL 36

• Le khi-deux de contingence n’est pas majoré
 max
2
 nmin r , c   1
 On peut déduire la quantité V de Cramer :
2
V
 max
2

Qui permet d’évaluer l’intensité de la liaison de deux variables

qualitatives sans avoir recours à une table statistique.
Cette quantité intègre le nombre de degré de liberté par l’intermédiaire
de  max
2

V intensité
0 Nulle
0-0.2 Faible
0.2-0.4 Moyenne
0.4-0.7 Forte
0.7-1 Très forte
1 parfaite
Pr. Hasna CHAMLAL 37
III. Cas d’une variable qualitative et d’une quantitative
1) Données et notations
X : v.a. qualitative supposée à r modalités notées : x1,..,xl,…,xr.
Y : v.a. quantitative.

El    E / X    xl 
sous échantillon d’individu possédant xl
nl : |El|
Yl : Y El restriction de Y à El.

Yl 
1
nl
 Y  ;  l
2

1
nl
 Y    Y 
l
2

 El El

Par exemple :
Y : le salaire et X : le niveau de diplôme

Y X  bachelier
:le salaire moyen pour un
travailleur ayant un diplôme de bachelier

Pr. Hasna CHAMLAL 38

 2) Étude de la liaison
a. Représentation graphique : Boîtes parallèles
24 12,5

22
12,0

20

11,5
18

16 11,0

14
10,5

12
VAR00003

VAR00002
10,0
10

8 9,5
N= 3 3 N= 3 3

1 2 1 2

VAR00001 VAR00001

Exemple : Cas de présence de liaison Exemple : Cas d’absence de liaison

b. Mesure de l’intensité de la dépendance de Y en X

• Formules de décomposition
r
1
Y 
n
n Yl 1
l l

 n Y 
r 2 r
1 1
Y  Y  n
2 2
l l l l
n l 1 n l 1

E  R
2 2

Pr. Hasna CHAMLAL 39

  donnent une décomposition de la moyenne et de la variance de
Y sur la partition définie par X.
E : 2
Variance expliquée (ou interclasse)

 R2 : Variance résiduelle (ou intra classe)

Rapport de corrélation
C’est un indice de liaison entre X et Y défini par :

 E2
Y / X 2 
Y 2
Interprétation : pourcentage de la variance expliquée par la
connaissance de la variable X.
 Propriétés :
 0  Y / X  1
2

 Y / X  0   E  0  Y 1  ...  Yr  Y
2 2

absence de liaison
 Y / X  1   R  0  les individus de chaque classe ont une même valeur
2 2

 plus Y / X est proche de 1 plus Y explique bien X.

2

40