Exercice de TD 6 : Analyse Bivariée et Visualisation de la Dispersion des Données
Contexte : Vous analysez un ensemble de données sur le niveau de satisfaction des habitants d’un
quartier urbain par rapport aux infrastructures publiques. L’objectif est d’examiner la relation entre le
revenu moyen par ménage et le niveau de satisfaction des habitants en utilisant différentes méthodes
statistiques et graphiques.
Objectifs :
1. Créer des boîtes à moustaches pour explorer la dispersion de chaque variable.
2. Utiliser le graphique de dispersion pour visualiser la relation entre les deux variables.
3. Effectuer des calculs statistiques pour analyser les caractéristiques de la distribution.
4. Interpréter la corrélation entre les deux variables.
5. Déterminer la présence de valeurs aberrantes et leur impact sur l’analyse.
Instructions :
1. Entrée des données : Utilisez le tableau de données ci-dessous pour entrer vos valeurs dans
Excel.
2. Analyse de la dispersion :
o Créez une boîte à moustaches pour le revenu moyen par ménage et une autre pour le
niveau de satisfaction.
o Interprétez chaque boîte à moustaches (médiane, intervalle interquartile, moustaches,
valeurs aberrantes).
3. Graphique de dispersion :
o Créez un graphique de dispersion pour observer la relation entre le revenu moyen par
ménage et le niveau de satisfaction.
4. Calculs statistiques :
o Calculez les statistiques descriptives pour chaque variable (moyenne, écart-type,
minimum, maximum).
5. Corrélation :
o Calculez le coefficient de corrélation de Pearson pour déterminer la force et la direction
de la relation entre les deux variables.
6. Analyse et interprétation :
o Répondez aux questions suivantes et interprétez les résultats :
Tableau de données :
Questions à répondre :
1. Statistiques descriptives :
o Quel est le revenu moyen et le niveau de satisfaction moyen ?
o Quel est l'écart-type pour le revenu moyen par ménage et le niveau de satisfaction ?
2. Boîte à moustaches :
o Interprétez les boîtes à moustaches pour le revenu moyen et le niveau de satisfaction.
Identifiez la médiane, l’intervalle interquartile et les valeurs aberrantes.
o Quelle est la dispersion des deux variables ? Y a-t-il des valeurs atypiques, et que nous
indiquent-elles sur la répartition des données ?
3. Graphique de dispersion :
o Décrivez ce que vous observe-vous dans le graphique de dispersion. Y a-t-il une
tendance apparente entre le revenu moyen par ménage et le niveau de satisfaction ?
4. Corrélation :
o Quel est le coefficient de corrélation de Pearson entre le revenu moyen par ménage et
le niveau de satisfaction ? Quelle est la force et la direction de la relation ?
5. Conclusion :
o En tenant compte des boîtes à moustaches, du graphique de dispersion et du coefficient
de corrélation, que pouvez-vous conclure sur la relation entre le revenu moyen par
ménage et le niveau de satisfaction des habitants ? Existe-t-il des facteurs ou des
anomalies qui pourraient influencer cette analyse ?
1- Conseils pour l'analyse :
• Utilisez les fonctions d'Excel pour calculer les statistiques descriptives
o Moyenne : =MOYENNE(plage_de_cellules)
o Médiane : =MEDIANE(plage_de_cellules)
o Écart-type : =ECARTYPE(plage_de_cellules)
o Coefficient de corrélation de Pearson : =CORREL(plage_de_cellules1,
plage_de_cellules2)
• Créez un graphique de dispersion via l'onglet "Insertion" > "Graphique" > "Nuage de points".
• Pour la boîte à moustaches, sélectionnez les données, puis allez dans "Insertion" > "Graphique
statistique" > "Boîte à moustaches".
2- Interprétation du graphique de dispersion:
Un graphique de dispersion (nuage de points) permet de visualiser la relation entre deux variables :
• Relation positive : Les points montent de gauche à droite, indiquant que lorsque la variable
X augmente, la variable Y tend à augmenter aussi.
• Relation négative : Les points descendent de gauche à droite, signifiant que lorsque X
augmente, Y tend à diminuer.
• Pas de relation : Les points sont dispersés sans tendance apparente, indiquant aucune
corrélation.
Force de la relation :
• Relation forte : Les points sont proches d'une ligne droite.
• Relation faible : Les points sont dispersés autour d'une ligne, rendant la prédiction difficile.
• Valeurs atypiques : Des points éloignés de la tendance générale peuvent influencer l'analyse.
3- Interprétation des résultats de corrélation :
• 1 signifie une corrélation positive parfaite (lorsque l'une des variables augmente, l'autre
augmente de manière proportionnelle).
• -1 signifie une corrélation négative parfaite (lorsque l'une des variables augmente, l'autre
diminue de manière proportionnelle).
• 0 signifie qu'il n'y a pas de corrélation entre les variables.
Interprétation détaillée :
• 0.0 à 0.3 : Corrélation faible, la relation entre les variables est presque négligeable.
• 0.3 à 0.5 : Corrélation modérée, il y a une tendance à la relation, mais elle n'est pas assez
forte pour prédire avec précision les changements dans l'une des variables en fonction de
l'autre.
• 0.5 à 0.7 : Corrélation forte, les variables ont une relation notable, et un changement dans
l'une tend à correspondre à un changement dans l'autre.
• 0.7 à 1.0 : Corrélation très forte, il est probable que l'une des variables ait un impact
significatif sur l'autre.
