Statistiques à deux variables quantitatives

Une droite permet-elle de prévoir une valeur à partir de données ?

Environ 35 minutes

  • Représenter une série de couples
  • Calculer le point moyen
  • Utiliser et discuter un ajustement affine
Sommaire
  1. Conserver les couples de données
  2. Choisir une droite qui représente la tendance
  3. Distinguer interpolation, extrapolation et causalité
  4. Au bac : argumenter une estimation
  5. S’entraîner

Une droite permet-elle de prévoir une valeur à partir de données ?

Un atelier observe deux quantités pour plusieurs séances : par exemple un temps de préparation et une durée totale. Représenter les couples aide à voir une tendance, mais une tendance n’est ni une égalité exacte ni une preuve de causalité. Tu vas construire un nuage, calculer son point moyen et utiliser un ajustement affine en distinguant ce que montrent les données et ce que suppose le modèle. Les données numériques ci-dessous sont fictives et servent à l’apprentissage.

Conserver les couples de données

Une série à deux variables quantitatives associe à chaque individu ou observation un couple de nombres (x ; y). Les deux valeurs se rapportent à la même unité observée : une séance, une personne, une journée ou un objet. On conserve cette association pendant tout le traitement. Trier séparément les valeurs de x et de y détruirait les couples et pourrait fabriquer une relation qui n’existe pas dans les données.

Le nuage de points représente chaque couple dans un repère. La première variable se lit sur l’axe horizontal et la seconde sur l’axe vertical. On indique leurs noms, leurs unités et les échelles. Les points ne se relient pas automatiquement : leur ordre dans un fichier ne définit pas un trajet. Deux observations identiques se superposent ; le graphique seul peut alors masquer leur multiplicité.

Pour apprendre les calculs, on utilise les quatre couples suivants : (1 ; 4), (2 ; 5), (3 ; 8), (4 ; 9). On peut interpréter x comme un temps de préparation en minutes et y comme une durée totale en minutes pour quatre séances fictives. Les ordonnées augmentent globalement avec les abscisses. Le nuage suggère une tendance ascendante, mais les points ne sont pas tous exactement alignés.

Le point moyen est calculé avec toutes les observations ; il ne correspond pas nécessairement à une séance réellement observée.

Exemple résolu

Calculer le point moyen G de la série (1 ; 4), (2 ; 5), (3 ; 8), (4 ; 9).

  1. Étape 1 : Calcule la moyenne des abscisses : (1 + 2 + 3 + 4) / 4 = 2,5.
  2. Étape 2 : Calcule séparément la moyenne des ordonnées : (4 + 5 + 8 + 9) / 4 = 6,5.
  3. Étape 3 : Réunis ces deux résultats dans un couple, en gardant l’ordre abscisse puis ordonnée.

Résultat : Le point moyen est G(2,5 ; 6,5).

Piège à éviter : Faire la moyenne des huit nombres ensemble mélangerait les deux variables et ne donnerait pas un point moyen.

À toi d'essayer

Une autre série contient (2 ; 6), (4 ; 10) et (6 ; 11). Calcule les coordonnées du point moyen.

Voir la réponse

La moyenne des abscisses est (2 + 4 + 6) / 3 = 4. La moyenne des ordonnées est (6 + 10 + 11) / 3 = 9. Le point moyen est donc (4 ; 9), même si ce couple n’est pas présent dans la série.

Choisir une droite qui représente la tendance

Un ajustement affine remplace la tendance du nuage par une droite d’équation y = ax + b. Le coefficient a décrit la variation estimée de y lorsque x augmente d’une unité ; b est la valeur donnée par le modèle pour x = 0. Si zéro est loin des données, cette dernière valeur peut ne pas avoir d’interprétation concrète. L’ajustement cherche une approximation utile, pas une égalité satisfaite par chaque observation.

Plusieurs méthodes sont possibles. Un tracé au jugé place une droite au centre du nuage. La méthode de Mayer partage des données ordonnées selon x en deux groupes et relie les points moyens de ces groupes. Les moindres carrés choisissent une droite qui minimise la somme des carrés des écarts verticaux entre les valeurs observées et les valeurs prévues. Un logiciel réalise ce calcul ; aucune formule des coefficients n’est nécessaire ici.

Pour notre série, on propose la droite y = 1,8x + 2. Elle passe par le point moyen, car 1,8 × 2,5 + 2 = 6,5. Les valeurs prévues pour x égal à 1, 2, 3 et 4 sont 3,8 ; 5,6 ; 7,4 ; 9,2. Les écarts observé moins prévu sont 0,2 ; −0,6 ; 0,6 ; −0,2. Les points se trouvent tantôt au-dessus et tantôt au-dessous de la droite.

La droite décrit la tendance sans passer par tous les points. Sa partie située au-delà des observations correspond à une extrapolation possible du modèle.

Les carrés des écarts évitent que des différences positives et négatives se compensent. Ici leur somme vaut 0,04 + 0,36 + 0,36 + 0,04 = 0,8. Ce nombre sert à comparer des ajustements appliqués aux mêmes observations et aux mêmes unités. Changer les unités de y modifie les carrés et leur somme. Une petite valeur brute n’a donc pas de sens universel en dehors de son contexte.

Exemple résolu

À l’aide de y = 1,8x + 2, estimer la durée totale pour x = 2,5 minutes, puis calculer l’écart entre la valeur observée et la valeur prévue pour x = 3.

  1. Étape 1 : Pour x = 2,5, le modèle donne 1,8 × 2,5 + 2 = 6,5.
  2. Étape 2 : Pour x = 3, il prévoit 1,8 × 3 + 2 = 7,4.
  3. Étape 3 : La valeur observée est 8 : l’écart observé moins prévu vaut 8 − 7,4 = 0,6.

Résultat : La durée estimée est 6,5 minutes pour x = 2,5. À x = 3, l’observation dépasse la prévision de 0,6 minute.

Piège à éviter : Une estimation n’est pas une mesure ; le modèle donne 7,4 alors que l’observation vaut 8.

À toi d'essayer

Un modèle affine prévoit y = 2,5x + 4. Pour x = 6, l’observation vaut 18. Calcule la prévision et l’écart observé moins prévu.

Correction détaillée pas à pasDans ce chapitre : 2 corrections détaillées.

Distinguer interpolation, extrapolation et causalité

Une interpolation estime une valeur pour une abscisse située dans l’étendue des abscisses observées. Dans notre série, estimer y pour x = 2,5 est une interpolation parce que les observations couvrent de 1 à 4. Une extrapolation utilise une abscisse hors de cette étendue, par exemple x = 6. L’extrapolation suppose que la tendance se prolonge ; cette hypothèse devient plus fragile à mesure que l’on s’éloigne des données.

Une interpolation reste une approximation. Il peut exister des variations non observées entre deux mesures. Une extrapolation peut même aboutir à une valeur impossible, comme une durée négative ou un pourcentage supérieur à cent. Le calcul peut être arithmétiquement juste tout en produisant une conclusion peu crédible. Il faut donc confronter le résultat à la nature des grandeurs et à la période de validité du modèle.

Une association statistique ne démontre pas une relation de cause à effet. Deux quantités peuvent évoluer ensemble à cause d’un troisième facteur, d’une sélection particulière des observations ou d’une simple coïncidence. Pour des données sanitaires ou sociales, on examine notamment la population étudiée, les conditions de recueil et les facteurs de confusion possibles. Le nuage décrit ce qui est observé ; il n’explique pas à lui seul pourquoi cela se produit.

Exemple résolu

Avec le modèle y = 1,8x + 2 ajusté sur des observations dont x va de 1 à 4, estimer y pour x = 6 et préciser la portée du résultat.

  1. Étape 1 : Le calcul donne 1,8 × 6 + 2 = 12,8.
  2. Étape 2 : L’abscisse 6 dépasse la plus grande abscisse observée, 4 : il s’agit d’une extrapolation.
  3. Étape 3 : La conclusion doit indiquer l’hypothèse de maintien de la tendance et ne pas présenter 12,8 comme une observation.

Résultat : Le modèle prévoit 12,8 minutes si la tendance affine se poursuit jusqu’à x = 6 ; cette prévision nécessite une vérification par de nouvelles données.

Piège à éviter : La présence d’une droite sur le graphique ne garantit pas la validité de son prolongement.

À toi d'essayer

Deux séries ont le même point moyen. Un élève affirme qu’elles doivent avoir le même nuage et la même tendance. Construis deux séries de deux points qui réfutent cette affirmation.

Correction détaillée pas à pasDans ce chapitre : 2 corrections détaillées.

Au bac : argumenter une estimation

Au bac : exploiter une série à deux variables

  1. Identifie les deux variables, les unités, le nombre d’observations et leur champ.
  2. Place les couples et calcule les deux moyennes sans casser les associations.
  3. Annonce l’équation utilisée et son statut d’ajustement ; effectue le calcul demandé avec une précision cohérente.
  4. Précise si le résultat est une interpolation ou une extrapolation et discute la pertinence du modèle.

Dans un tableur, place les valeurs de x dans la colonne A et les valeurs de y dans la colonne B, une observation par ligne. Choisis un graphique de type nuage de points, et non un graphique qui traiterait les abscisses comme de simples étiquettes. Les fonctions MOYENNE appliquées séparément aux colonnes donnent le point moyen. Une courbe de tendance linéaire peut afficher l’équation de l’ajustement et permettre de comparer les observations aux prévisions.

Un point éloigné de la tendance mérite une investigation, pas une suppression automatique. Il peut provenir d’une erreur de saisie, d’une unité différente ou d’une situation réelle particulière. On revient à la source et on conserve la trace de toute correction justifiée. En l’absence d’explication, on signale la limite du modèle. Retirer uniquement les points qui gênent l’alignement améliorerait artificiellement l’impression de qualité.

Vocabulaire

Nuage de points :
Représentation de couples de valeurs observées.
Point moyen :
Point dont les coordonnées sont les moyennes des deux variables.
Résidu :
Écart entre une valeur observée et la valeur prévue par le modèle.
Extrapolation :
Estimation en dehors de l’étendue des abscisses observées.

Bilan

SituationRepère
DonnéeValeur observée, accompagnée de son champ et de son unité.
Modèle affineApproximation y = ax + b de la tendance.
InterpolationEstimation à l’intérieur de l’étendue observée.
CausalitéLien explicatif que la seule association ne démontre pas.
Attention :

Erreurs fréquentes : permuter x et y, trier les colonnes séparément, relier tous les points, confondre observation et prévision, ou affirmer une causalité à partir d’un simple alignement.

S’entraîner

Poursuis ton entraînement dans l’espace Exercices du site.

À retenir

  • Le point moyen a pour coordonnées la moyenne des x et la moyenne des y.
  • Un ajustement affine s’écrit y = ax + b et n’impose pas l’alignement exact des observations.
  • Une extrapolation utilise une abscisse hors de l’étendue observée.
  • Une association entre variables ne suffit pas à démontrer un lien causal.

Fiche de révision

Avant tout graphique, conserve chaque paire et précise le sens des deux axes.

L’équation d’ajustement sert à calculer une estimation ; l’écart avec une observation renseigne sur l’approximation.

Vérifie si l’abscisse demandée est entre le minimum et le maximum observés avant de qualifier la prévision.

Une conclusion solide distingue la mesure, le calcul du modèle et l’hypothèse de prolongement.

Et maintenant ?

Tu as lu le cours. L’étape suivante tient en une action.

Relis le coursReprends l’essentiel avant de passer à la suite.

Prolonge l’expérience !

Continue à explorer ce chapitre à travers de nouvelles activités, des défis et des expériences interactives. Avec Premium, l’apprentissage continue !

Ici, tu débloques aussi 2 corrections détaillées.

Parent ? Suivez les progrès de votre enfant.

Tous les cours de Mathématiques — Première ST2S