Aller au contenu principal
📈 L1 • Économie Disponible

Décrire les relations entre variables et les évolutions dans le temps

Statistiques bivariées, corrélation, régression simple, tableaux croisés, ACP introductive.

1 QCM disponible 15 Questions dans les QCM

Banque publiée de la matière : 15 questions au total. Les compteurs ci-dessus concernent les QCM listés sur cette page. Explorer aussi les fiches notions et leurs entraînements.

Commencer à réviser

Choisis un QCM et tes scores s'enregistreront automatiquement.

← Toutes les matières L1
🤖 Auto Disponible

QCM Statistiques Descriptives 2 L1

QCM de 15 questions avec corrections détaillées en Statistiques Descriptives 2 (L1). Thèmes abordés : Statistique Bivariee, Regression Lineaire, Tests Association, Indices, Series Chronologiques.

15 questions Intermédiaire Jusqu'à 30 XP
Révision Challenge Examen
Fiches notions :
Voir ce QCM

Présentation de Statistiques descriptives II

Les Statistiques descriptives II en Licence 1 étendent l'analyse à plusieurs variables. Vous apprendrez les statistiques bivariées (corrélation, régression linéaire simple), l'analyse de tableaux de contingence, et les premières notions d'analyse multivariée. Prérequis essentiel pour les statistiques inférentielles et l'économétrie de L2.

Notions et périmètre de Statistiques descriptives II en Licence 1

Repères de cours pour situer la matière. Le contenu de chaque questionnaire est précisé sur sa page ; confrontez ce périmètre à votre propre cours.

Croiser deux variables sans perdre le dénominateur
Covariance et corrélation linéaire
Ajuster une droite et lire ses résidus
Indices, chronologie et synthèse multivariée

Compétences visées en Statistiques descriptives II

  • Choisir un pourcentage conditionnel
  • Calculer covariance et corrélation
  • Interpréter une droite descriptive
  • Comparer des indices et des séries

Croiser deux variables sans perdre le dénominateur

L’analyse bivariée observe deux caractères sur les mêmes unités statistiques. Un tableau croisé de variables qualitatives répartit les effectifs selon toutes les combinaisons de modalités. Les marges donnent les distributions de chaque variable séparément. Les pourcentages en ligne et en colonne répondent à des questions différentes. La part des diplômés parmi les personnes en emploi n’est pas la part des personnes en emploi parmi les diplômés. Pour choisir le bon calcul, il faut exprimer clairement la population conditionnante et vérifier que les pourcentages se somment dans la bonne direction.

L’indépendance descriptive signifie que la distribution conditionnelle d’une variable ne varie pas selon les modalités de l’autre, dans le tableau considéré. Les effectifs théoriques sous indépendance s’obtiennent par le produit des marges divisé par l’effectif total. Un écart peut être résumé par une statistique du khi-deux, mais le passage à un test nécessite des conditions d’échantillonnage et des effectifs adaptés. Une association importante dans une grande base ne possède pas automatiquement une grande portée économique ; taille de l’écart et incertitude statistique sont deux dimensions distinctes.

Covariance et corrélation linéaire

Pour deux variables quantitatives, le nuage de points constitue le premier diagnostic. Une covariance positive indique que les écarts aux moyennes tendent à avoir le même signe ; une covariance négative signale des écarts de signes opposés. Sa valeur dépend des unités. Le coefficient de corrélation de Pearson divise la covariance par le produit des écarts-types. Il est compris entre moins un et un lorsque les variances sont non nulles. Cette normalisation facilite les comparaisons, mais elle ne transforme pas une liaison statistique en mécanisme causal.

Une corrélation nulle n’exclut pas une relation non linéaire. Une forme en U peut produire une liaison évidente sur le graphique et une covariance proche de zéro. Une valeur extrême peut aussi modifier fortement le coefficient. Les transformations de variables, les groupes présents et la période étudiée doivent être examinés. Une corrélation calculée sur des moyennes territoriales ne décrit pas nécessairement la relation entre individus. Le passage d’un niveau d’agrégation à un autre exige donc une justification, particulièrement dans les comparaisons de revenus, de santé ou de résultats scolaires.

Ajuster une droite et lire ses résidus

La régression linéaire descriptive ajuste une droite y estimé = a + bx en minimisant la somme des carrés des écarts verticaux. Avec une constante, la droite passe par le point des moyennes. La pente vaut covariance de x et y divisée par variance de x, avec des conventions de dénominateur cohérentes. Elle mesure le changement prédit de y pour une unité supplémentaire de x. Inverser les rôles de x et y ne donne généralement pas l’inverse exact de la même droite : le critère minimise des distances dans une direction différente.

Le résidu est l’écart entre valeur observée et valeur ajustée. Un graphique de résidus peut révéler courbure, dispersion variable ou observations atypiques. Dans une régression simple avec constante, le coefficient de détermination est le carré de la corrélation ; il décrit la part de dispersion expliquée au sens du critère linéaire. Un R² élevé ne garantit ni causalité ni bonne extrapolation. Prévoir hors de l’intervalle observé suppose que la relation demeure valable, hypothèse souvent fragile lorsque les comportements ou les contraintes changent.

Indices, chronologie et synthèse multivariée

Un indice base cent rapporte une valeur à une référence. Passer d’une base à une autre modifie l’échelle sans changer les variations relatives. Les indices de prix et de quantités pondèrent plusieurs produits ; le choix des pondérations importe. Laspeyres utilise des quantités de référence, tandis que Paasche utilise les quantités courantes pour l’indice de prix. La substitution entre biens peut expliquer leur divergence. Il faut donc préciser la formule avant de comparer deux mesures d’inflation ou de volume.

Une série chronologique peut combiner tendance, saisonnalité et fluctuations irrégulières. Une moyenne mobile lisse les mouvements, mais peut retarder la détection d’un retournement. Une croissance en glissement annuel et une croissance trimestrielle ne comparent pas les mêmes dates. Pour plusieurs variables quantitatives, l’analyse en composantes principales cherche des axes résumant la dispersion. Le centrage et la réduction modifient le poids des variables selon leurs unités et leurs variances. Les axes sont des combinaisons statistiques, pas des causes latentes automatiquement identifiées ni des classements normatifs universels.

Exemple : une droite sur trois observations

Trois ateliers fictifs ont respectivement x = 1, 2 et 3 machines, et produisent y = 2, 3 et 7 unités sur la période. Les moyennes valent deux et quatre. La somme des produits des écarts est cinq ; la somme des carrés des écarts de x vaut deux. La pente ajustée est donc 2,5 et la constante vaut moins un. Les productions ajustées sont 1,5, 4 et 6,5. Les résidus sont 0,5, moins un et 0,5 ; leur somme est nulle, comme attendu avec une constante.

La somme des carrés résiduels vaut 1,5, tandis que la somme totale des carrés de y autour de quatre vaut quatorze. Le R² est donc 1 − 1,5/14, soit environ 0,893. La droite résume bien ces trois points, mais l’échantillon est minuscule et aucun mécanisme causal n’a été identifié. Les ateliers peuvent différer par leur main-d’œuvre ou leur technologie. Prédire la production de cent machines serait particulièrement imprudent. Ce calcul montre l’utilité d’un ajustement tout en séparant sa qualité descriptive de sa portée explicative.

Méthode : choisir l’outil selon les variables

Identifiez d’abord la nature des caractères et l’unité observée. Pour deux variables qualitatives, partez des effectifs et des pourcentages conditionnels ; pour deux quantitatives, tracez le nuage avant de calculer une corrélation. Vérifiez valeurs manquantes, doublons et unités. Pour une série, examinez fréquence et ruptures de définition. Après le calcul, formulez une conclusion descriptive proportionnée : liaison linéaire, différence de distribution ou évolution relative. Réservez les mots effet et impact à une analyse causale justifiée. Ce contrôle du vocabulaire empêche un résultat exact de devenir une affirmation économique injustifiée.

Questions de cours

Corrélation nulle signifie-t-elle indépendance ?

Non en général. Une dépendance non linéaire peut exister avec une corrélation linéaire nulle.

La droite ajustée passe-t-elle par les moyennes ?

Oui pour les moindres carrés ordinaires avec constante.

Un R² élevé prouve-t-il une causalité ?

Non. Il mesure un ajustement descriptif et peut refléter des facteurs communs ou une tendance.

Pourquoi réduire les variables en ACP ?

Pour éviter que des unités ou variances très différentes dominent automatiquement la construction des axes.

Bibliographie recommandée en Statistiques descriptives II

Comment réviser Statistiques descriptives II efficacement ?

Relire le cours

Commencez par relire vos notes et le manuel de référence pour rafraîchir les concepts clés.

Mode Révision

Utilisez le mode Révision avec les indices et corrections détaillées pour tester vos connaissances.

Mode Examen

Une fois prêt, passez en mode Examen pour vous évaluer dans les conditions réelles.