Chapitre 1 - Études des séries statistiques à deux caractères
Chapitre 1 - Études des séries statistiques à deux caractères
Introduction
Les salariés d'une entreprise peuvent être étudiés à partir de caractères :
- âge
- sexe
- niveau de formation
- rémunération
- ancienneté, etc
・On notera X et Y, les deux caractères étudiés
Exemple : une agence immobilière propose des appartements à la location
- leur surface en m2 : caractère X
- leur loyer mensuel en euros : caractère Y
Ce sont des caractères quantitatifs et continus, les modalités vont prendre la forme de classe
Présentation des séries statistiques à 2 caractères :
- Si les observations sont non groupées ➞ Série individualisée
| xi | yi |
|---|---|
| xi | yi |
| xi | yi |
| … | … |
| xi | yi |
- Si les observations sont groupées ➞ Tableau de contingence
1 - Le tableau de contingence
A - Présentation du tableau
-
Population dont l'effectif total est n
-
Caractères X et Y
↪︎ modalités de X :
x1, x2, …, xi, …, xk↪︎ modalités de Y :
y1, y2, …, yi, …, yp
Effectif croisé : Nombre d'unités de la population vérifiant simultanément la modalité 𝑥𝑖 du caractère X et la modalité 𝑦𝑖 du caractère Y
Tableau de contingence : Tableau à k lignes et p colonnes fournissant pour chaque couple de modalités (𝑥𝑖 , 𝑦𝑖) l'effectif croisé 𝑛𝑖𝑗 correspondant
Exemple 1 :
- n44 = 62
- n12 = 7
- n = 400
Remarque :
D'où, pour l'exemple 1 :
5 4 = 45 + 7 + … + 36 = 400
Effectif marginal de X, noté : $$𝑛_{i·}$$
- Nombre d'unités de la population vérifiant la modalité 𝑥𝑖 du caractère X (quelle que soit la modalité de Y)
↪︎ Chaque effectif marginal de X est la somme des effectifs croisés pour une ligne donnée : $$𝑛_{𝑖·}=\overset{p}{\underset{j=1}{\sum}} n_{ij}$$
↪︎ La somme des effectifs marginaux de X est égale à l'effectif total : $$\overset{k}{\underset{i=1}{\sum}} n_{i\cdot} \equiv n
Suite de l'exemple 1 :
- 𝑛3· = 140
- 𝑛5· = 36
- n = 400
Effectif marginal de Y, noté $$𝑛_{·𝑗}$$
- Nombre d'unités de la population vérifiant la modalité yi du caractère Y (quelle que soit la modalité de X)
↪︎ Chaque effectif marginal de Y est la somme des effectifs croisés pour une colonne donnée : $$𝑛_{·𝑗} = \overset{k}{\underset{i=1}{\sum}} n_{ij}$$
↪︎ La somme des effectifs marginaux de X est égale à l'effectif total : $$\overset{p}{\underset{j=1}{\sum}}n_{·j} = n$$
Suite de l'exemple 1 :
- 𝑛·1 = 63
- 𝑛·3 = 116
- n = 400
・Définition : Fréquence croisée $$f_{ij}=\frac{n_{ij}}{n}$$
・Définition : Fréquence marginale de X $$f_{i·} = \frac{n_{i·}}{n};
ou;\ f_{i·} = \overset{p}{\underset{j=1}{\sum}}f_{ij}$$
・Définition : Fréquence marginale de Y$$f_{·j} = \frac{n_{·j}}{n};\ ou ;
f_{\cdot j} = \overset{k}{\underset{i=1}{\sum}}f_{ij}$$
・ Exemple en terme de fréquence (tableau 3)
- 𝑓43 = 0,045
- 𝑓4· = 0,21
- 𝑓·2 = 0,2775
B - Les séries marginales
Toute série statistiques à deux caractères peut être décomposée en deux séries à un seul caractère appelée séries marginales :
-
Série marginale de X dont les effectifs sont les effectifs marginaux de X
-
Série de marginale de Y dont les effectifs sont les effectifs marginaux de Y
C - Les séries conditionnelles
・ Au lieu de s'intéresser à l'ensemble de la population, on considère une partie seulement de la population
- Séries sous condition d'une modalité donnée
⤷ toute ligne (ou colonne) du tableau de contingence correspond à une série conditionnelle
- On appelle Fréquence de la modalité xi de X conditionnelle à la modalité yj de Y :
⤷ Proportion des observations présentant la modalité xi dans l'ensemble des observations présentant la modalité yi
- Exemple - Tableau : $$\frac{f_{x_{3}}}{Y} = 𝑦_{2} = \frac{36}{111} = 0,324$$
⤷ Interprétation : dans les appartements dont le loyer est compris entre 300 et 400€, 32,4% ont une surface comprise entre 50 et 70m2
- On appelle "fréquence de la modalité yi de Y conditionnelle à la modalité xi de X :
⤷ Proportion des observations présentant la modalité yj dans l'ensemble des observations présentant la modalité xi
- Exemple - Tableau : $$\frac{f_{y_{3}}}{X} = x_{2} = 0,091$$
⤷ Interprétation : Parmi les appartements dont la surface est comprise entre 30 et 50m2, 9,1% ont un loyer compris entre 400 et 600€
A - Caractéristiques des séries marginales
a - Moyennes arithmétiques marginales
Moyenne Arithmétique Pondérée : Somme pondérée des observations sur l'effectif total
Moyenne marginale de X :
Moyenne marginale de Y : $$\overline{y} = \frac{1}{n}\overset{p}{\underset{j=1}{\sum}} n_{\cdot j};y_{j}$$
Exemple : agence immobilière
| Cj | 225 | 350 | 500 | 800 | ||
|---|---|---|---|---|---|---|
| Ci | X / Y | [150, 300[ | [300, 400[ | [400, 600[ | [600, 1000[ | Total |
| 20 | [10, 30[ | 45 | 7 | 0 | 0 | 52 |
| 40 | [30, 50[ | 16 | 64 | 8 | 0 | 88 |
| 60 | [50, 70[ | 2 | 36 | 90 | 12 | 140 |
| 90 | [70, 110[ | 0 | 4 | 18 | 62 | 84 |
| 130 | [110, 150[ | 0 | 0 | 0 | 36 | 36 |
| Total | 63 | 111 | 116 | 110 | 400 |
Calculer la surface
b - Écarts-type marginaux
Permet de mesurer la dispersion d'une série autour de sa moyenne
Écart-type marginal de X :
Avec V(X) variance de X :
Rappel (S1) :
- La variance d'une variable statistique de X est la moyenne arithmétique des carrés des écarts des observations à la moyenne arithmétique
Écart-type marginal de Y :
Avec V(Y) variance de Y :
Exemple : Calculer l'écart-type de Y
B - Caractéristiques des séries conditionnelles
a - Série de X conditionnelles à Y
| Cj | 225 | 350 | 500 | 800 | ||
|---|---|---|---|---|---|---|
| Ci | X / Y | [150, 300[ | [300, 400[ | [400, 600[ | [600, 1000[ | Total |
| 20 | [10, 30[ | 45 | 7 | 0 | 0 | 52 |
| 40 | [30, 50[ | 16 | 64 | 8 | 0 | 88 |
| 60 | [50, 70[ | 2 | 36 | 90 | 12 | 140 |
| 90 | [70, 110[ | 0 | 4 | 18 | 62 | 84 |
| 130 | [110, 150[ | 0 | 0 | 0 | 36 | 36 |
| Total | 63 | 111 | 116 | 110 | 400 |
Moyenne de X conditionnelle à Y = yj
Moyenne de Y conditionnelle à X = xi
| Cj | 225 | 350 | 500 | 800 | ||
|---|---|---|---|---|---|---|
| Ci | X / Y | [150, 300[ | [300, 400[ | [400, 600[ | [600, 1000[ | Total |
| 20 | [10, 30[ | 45 | 7 | 0 | 0 | 52 |
| 40 | [30, 50[ | 16 | 64 | 8 | 0 | 88 |
| 60 | [50, 70[ | 2 | 36 | 90 | 12 | 140 |
| 90 | [70, 110[ | 0 | 4 | 18 | 62 | 84 |
| 130 | [110, 150[ | 0 | 0 | 0 | 36 | 36 |
| Total | 63 | 111 | 116 | 110 | 400 |
- On observe des liens croissants entre surface et loyer
C - Liens entre moyennes marginale et moyennes conditionnelles
La moyenne marginale est une moyenne pondérée des moyennes conditionnelles $$\overline{x} = \frac{1}{n}\overset{p}{\underset{j=1}{\sum}} n_{\cdot j};\overline{x}{Y=y{j}}$$
Exemple
- Pour retrouver la moyenne marginale à partir de : $$\overline{x}{Y=y{j}}$$
- On utilise la formule en remplaçant par le total des effectifs * les moyennes conditionnelles :
- Même processus pour y : $$\bar{y}_{X=x_i}$$$$ \bar{y}
=\frac{1}{400}\left(52\cdot 241{,}83 + 88\cdot 340{,}91 + 140\cdot 483{,}21 + 84\cdot 714{,}29 + 36\cdot 800\right)
\bar{y}
=\frac{1}{400}\left(12575 + 30000 + 67650 + 60000 + 28800\right)
=\frac{199025}{400}
=497{,}56\text
C - Détermination de la droite d'ajustement
a - Covariance
Covariance de X et Y : Moyenne des produits des écarts à la moyenne de X et de Y
- Pour des données non-groupées :
- Pour des données groupées : $$
Cov(X,Y)=\frac{1}{n}\sum_{i=1}^{k}\sum_{j=1}^{p}n_{ij}(x_i-\overline{x})(y_j-\overline{y})
Cov(X,Y)
=\left[\frac{1}{n}\sum_{i=1}^{k}\sum_{j=1}^{p} n_{ij},x_i,y_j\right]
-\overline{x},\overline
Cov(X,Y)
=\left[\frac{1}{400}\sum_{i=1}^{k}\sum_{j=1}^{p} n_{ij},C_i,C_j\right]
-\overline{x},\overline
- Si la covariance est positive la liaison est croissante
- Si la covariance est négative la liaison est décroissante
b - Paramètres de la droite d'ajustement de Y en X
Résultat :
- Les paramètres a et b de la droite d'ajustement de Y en X : $$Y = aX + b$$
- sont données par : $$a = \frac{Cov(X,Y)}{V(X)}$$ $$ b = \overline y - a\overline{x}$$
Exemple 1 : agence immobilière (données groupées)
-
On sait que :
- ẋ = 63
- ȳ = 497,5625
- V(X) = 917
- Cov(X,Y) = 5289,8125
-
Coefficients a et b de la droite d'ajustement de Y en X :
Exemple 2 : publicité et ventes (données non-groupées)
| Mois | Dépenses de publicité i x | Ventes i y |
|---|---|---|
| Janvier | 2,4 | 38 |
| Février | 3 | 42 |
| Mars | 3 | 42 |
| Avril | 2,5 | 39 |
| Mai | 3,2 | 40 |
| Juin | 3,5 | 45 |
| Juillet | 2 | 35 |
| Août | 1,8 | 24 |
| Septembre | 3 | 38 |
| Octobre | 3,2 | 40 |
| Novembre | 3,8 | 44 |
| Décembre | 4,6 | 53 |
-
Équation de la droite d'ajustement de Y en X ?
- n = 12
-
Série individualisée :
-
D - La qualité de l'ajustement
a - Le coefficient de corrélation linéaire
- Lien de dépendance linéaire faible ? Fort ? Significatif
On appelle coefficient de corrélation linéaire de X et Y, noté r(X,Y), le nombre tel que :
- avec -1 ≤ r(X,Y) ≤ 1
Remarques :
- r(X,Y) positif : corrélation linéaire positive (a > 0)
- r(X,Y) négatif : corrélation linéaire négative (a < 0)
- Plus r(X,Y) est proche de 1 ou -1 :
- Plus la dépendance linéaire est forte
- Plus r(X,Y) est proche de 0 :
- Plus la dépendance linéaire est faible
b - Interpréter le coefficient de corrélation linéaire
Résultat :
-
Le lien de dépendance linéaire entre X et Y est significatif si : $$|;r(X,Y):|≥ 0,87$$
Exemple 1 : publicité et ventes -
On sait que :
- V(X) = 0,54833 ⇒ 𝜎(X) = 0,7405
- V(Y) =
- Cov(X,Y) = 4,3667
-
Le lien de dépendance linéaire entre dépenses de publicité et ventes est significatif :
- Prévisions à l'aide de la droite d'ajustement
Exemple 2 : agence immobilière
-
On sait que :
-
𝜎(X) = 30,282
-
𝜎(Y) = 207,12
-
Cov(X,Y) = 5289,8125
-
-
Le lien de dépendance linéaire entre surface et loyer n'est pas significatif :
- Autre lien à l'aide d'un ajustement non-linéaire ?