Aller au contenu principal
📊 L2 • Statistiques et probabilités

QCM Statistiques et probabilités L2 - Correlation : 11 questions corrigées

QCM de 11 questions avec corrections détaillées sur Correlation (Statistiques et probabilités). Révisez efficacement avec des explications pédagogiques pour le niveau L2. Entraînez-vous avec des explications pédagogiques détaillées.

Voir la matière
✍️ Méthode de rédaction et limites • 🎓 +0 réalisations
📝 11 questions 📊 Niveau Fondamentaux ⏱️ ~17 min ✨ Jusqu'à 22 XP

🎯 Prêt à commencer ?

En révision, le corrigé s'affiche après chaque réponse. En challenge et en examen, il n'arrive qu'à la fin.

← Retour aux QCM de Statistiques et probabilités

Corrélation et Dépendance

La corrélation mesure l'intensité et le sens de la relation linéaire entre deux variables. Le coefficient de corrélation de Pearson, compris entre -1 et 1, est l'outil standard pour quantifier cette association. Cependant, corrélation n'implique pas causalité, et l'absence de corrélation linéaire n'exclut pas d'autres formes de dépendance.

🎯 Objectifs pédagogiques

À la fin de ce chapitre, vous devez être capable de :

  • Calculer et interpréter le coefficient de corrélation
  • Distinguer corrélation et causalité
  • Tester la significativité de la corrélation
  • Comprendre les limites de la corrélation linéaire
  • Connaître les mesures alternatives (Spearman, Kendall)

📚 Concepts clés à maîtriser

Notions fondamentales avec leurs définitions académiques :

Coefficient de Pearson
r = Cov(X,Y) / (σₓ × σᵧ), mesure la relation linéaire
Interprétation
r = 1 : parfaitement positive, r = -1 : parfaitement négative, r = 0 : pas de relation linéaire
Corrélation spurieuse
Corrélation sans lien causal (variable cachée, coïncidence)
Corrélation de Spearman
Corrélation sur les rangs, robuste aux outliers
Test de significativité
H₀ : ρ = 0 testé via t = r√(n-2) / √(1-r²)

📋 Plan type du cours

Structure du cours en Licence 2 :

  1. Définition de la corrélation
  2. Coefficient de Pearson : calcul et propriétés
  3. Corrélation et causalité
  4. Test de significativité
  5. Corrélation de Spearman et Kendall
  6. Corrélation partielle

👨‍🏫 Auteurs de référence

Économistes fondamentaux à connaître :

Karl Pearson — Coefficient de corrélation produit-moment
Charles Spearman — Corrélation de rang (1904)

⚠️ Pièges fréquents

Erreurs classiques à éviter aux examens :

  • Interpréter corrélation comme causalité
  • Ignorer les outliers qui faussent r
  • Oublier que r = 0 n'implique pas indépendance

💼 Applications concrètes

Exemples d'application dans le monde réel :

  • Analyse des rendements boursiers
  • Relations entre variables économiques

Niveau de ce chapitre : 🟢 Niveau fondamental

À propos de ce QCM de Statistiques et probabilités

QCM Statistiques et probabilités L2 - Correlation — 11 questions. Statistiques et probabilités · Licence 2 · Économie.

Quelques raisonnements travaillés dans ce QCM

Cherchez une réponse, puis ouvrez la correction pour comparer votre raisonnement.

Le coefficient de corrélation partielle permet de :
  1. Mesurer la corrélation entre deux variables en contrôlant l'effet d'une ou plusieurs autres
  2. Remplacer la régression multiple
  3. Éliminer les outliers
  4. Calculer la covariance

Réponse : Mesurer la corrélation entre deux variables en contrôlant l'effet d'une ou plusieurs autres

La corrélation partielle mesure la liaison entre X et Y en neutralisant l'influence de variables de contrôle Z.

Si r(X,Y) = 0,9, on peut dire que :
  1. 90% de la variance de Y est expliquée par X
  2. 81% de la variance de Y est expliquée par X (r² = 0,81)
  3. X cause Y à 90%
  4. La relation est nécessairement causale

Réponse : 81% de la variance de Y est expliquée par X (r² = 0,81)

r² = 0,81 : le coefficient de détermination mesure la part de variance expliquée par la régression linéaire.

Le coefficient de corrélation de Pearson est sensible :
  1. Uniquement aux valeurs extrêmes (outliers)
  2. Aux valeurs extrêmes et aux relations non linéaires
  3. Ni aux outliers ni aux relations non linéaires
  4. Uniquement au nombre d'observations

Réponse : Aux valeurs extrêmes et aux relations non linéaires

Pearson peut être faussé par des points atypiques et ne détecte que les liaisons linéaires.

Une corrélation élevée entre deux variables :
  1. Prouve une relation de cause à effet
  2. N'implique pas nécessairement une causalité (corrélation ≠ causalité)
  3. Garantit que les variables sont indépendantes
  4. Signifie que les variables ont la même variance

Réponse : N'implique pas nécessairement une causalité (corrélation ≠ causalité)

Corrélation mesure l'association, pas la causalité ; une troisième variable peut expliquer les deux.