Coefficient de corrélation linéaire

Série statistique double (ou bivariée)

Une série statistique double est un ensemble de données où, pour chaque individu ou observation, on mesure simultanément deux caractères ou variables. Par exemple, la taille et le poids d'un groupe de personnes, ou le nombre d'heures de révision et la note obtenue à un examen.

Nuage de points

Le nuage de points est la représentation graphique d'une série statistique double. Chaque point du nuage a pour coordonnées (x_i, y_i), où x_i et y_i sont les valeurs des deux caractères pour la i-ème observation.

Covariance

La covariance (notée Cov(X, Y) ou σ_XY) est une mesure statistique qui indique si deux variables varient dans le même sens ou en sens opposé. Une covariance positive suggère que les variables augmentent ou diminuent ensemble, une covariance négative indique qu'elles varient en sens opposé, et une covariance proche de zéro suggère l'absence de relation linéaire. Elle est calculée par la formule : Cov(X, Y) = E[(X - E[X])(Y - E[Y])] ou plus simplement Cov(X, Y) = E[XY] - E[X]E[Y], où E désigne l'espérance mathématique (la moyenne pour une série de données).

Comprendre le Coefficient de Corrélation Linéaire

Le coefficient de corrélation linéaire, souvent noté r, est un indicateur statistique fondamental utilisé pour mesurer la force et le sens de la relation linéaire entre deux variables quantitatives. Il est essentiel de comprendre qu'il ne mesure que les relations linéaires et ne peut pas détecter des relations non linéaires (par exemple, paraboliques ou exponentielles).

Calcul du Coefficient de Corrélation Linéaire

Le coefficient de corrélation linéaire est calculé à partir de la covariance des deux variables et de leurs écarts-types respectifs. La formule est la suivante :

r = \frac{\text{Cov}(X, Y)}{\sigma_X \sigma_Y}

Où :

Cov(X, Y) est la covariance entre les variables X et Y.
σ_X est l'écart-type de la variable X.
σ_Y est l'écart-type de la variable Y.

L'écart-type mesure la dispersion des données autour de la moyenne. Plus il est élevé, plus les données sont dispersées.

Interprétation de la Valeur de r

Le coefficient de corrélation linéaire r est toujours une valeur comprise entre -1 et 1 (inclusivement). Son interprétation est cruciale :

r = 1 : Indique une corrélation linéaire positive parfaite. Tous les points du nuage sont alignés sur une droite de pente positive. Lorsque X augmente, Y augmente proportionnellement.
r = -1 : Indique une corrélation linéaire négative parfaite. Tous les points du nuage sont alignés sur une droite de pente négative. Lorsque X augmente, Y diminue proportionnellement.
r = 0 : Suggère l'absence de corrélation linéaire. Les variables ne sont pas liées de manière linéaire. Attention, cela ne signifie pas qu'il n'y a aucune relation entre les variables, juste qu'elle n'est pas linéaire.
0 < r < 1 : Indique une corrélation linéaire positive imparfaite. Plus r est proche de 1, plus la corrélation positive est forte.
-1 < r < 0 : Indique une corrélation linéaire négative imparfaite. Plus r est proche de -1, plus la corrélation négative est forte.

Voici quelques exemples visuels de nuages de points et de leur coefficient de corrélation linéaire associé :

f(x) = x

Exemple de corrélation positive parfaite (r=1)

f(x) = -x

Exemple de corrélation négative parfaite (r=-1)

Précautions et Limites

Il est crucial de garder à l'esprit plusieurs points lors de l'utilisation du coefficient de corrélation linéaire :

La corrélation n'implique pas la causalité : Ce n'est pas parce que deux variables sont fortement corrélées qu'une cause l'autre. Il peut y avoir une troisième variable cachée (variable confuse) qui influence les deux, ou la relation peut être purement coïncidentielle.
Sensibilité aux valeurs extrêmes (outliers) : Des points de données extrêmes peuvent fortement influencer la valeur de r et masquer ou créer une corrélation qui n'existe pas réellement pour la majorité des données.
Ne mesure que les relations linéaires : Une corrélation nulle ne signifie pas l'absence totale de relation, mais seulement l'absence de relation linéaire. Une forte relation non linéaire (par exemple, en forme de U) pourrait avoir un r proche de zéro. Il est donc toujours recommandé de visualiser le nuage de points pour avoir une idée complète de la relation.
Ne pas extrapoler : Le coefficient de corrélation n'est valide que pour la plage de valeurs observées. Il ne permet pas de prédire ce qui se passe en dehors de cette plage.

Résumé pour la révision rapide

A retenir :

Le coefficient de corrélation linéaire r mesure la force et le sens d'une relation linéaire entre deux variables.
Il est toujours compris entre -1 et 1.
r = 1 : Corrélation linéaire positive parfaite.
r = -1 : Corrélation linéaire négative parfaite.
r = 0 : Absence de corrélation linéaire.
La valeur de r est calculée à partir de la covariance et des écarts-types des variables.
Attention : Corrélation n'implique pas causalité !
Toujours visualiser le nuage de points pour compléter l'analyse du coefficient r et détecter des relations non linéaires ou des valeurs aberrantes.