Quiz: Analyse des nuages de points et ajustements linéaires — 10 questions

1. Dans un nuage de points d’une série à deux variables, que représente chaque point de coordonnées (xᵢ ; yᵢ) ?

A. La mesure de deux grandeurs pour un même individu

B. Une droite d’ajustement du nuage

C. La moyenne des deux variables de la série

D. Un point situé au centre du repère

Answer: (A)

Explanation

Chaque point du nuage associe à un même individu les deux valeurs mesurées xᵢ et yᵢ. Ce n’est ni une moyenne ni une droite.

2. Qu'est-ce qu'un nuage de points dans le contexte d'une série à deux variables ?

A. Une ligne tracée pour représenter la relation entre deux variables.

B. Un ensemble de points dans un plan, chacun représentant deux valeurs mesurées pour un même individu.

C. Une moyenne des valeurs de deux séries statistiques séparées.

D. Un graphique linéaire montrant l'évolution d'une variable dans le temps.

Answer: (B)

Explanation

Un nuage de points est constitué de points dont chaque coordonnée (xi; yi) correspond à deux mesures prises pour un même individu. Il ne s'agit pas d'une ligne ou d'un graphique chronologique.

3. Quand une variable X correspond à des dates, comment qualifie-t-on la série ?

A. Une série groupée

B. Une série uniforme

C. Une série chronologique

D. Une série discrète

Answer: (C)

Explanation

Une série est dite chronologique lorsque la variable X représente des dates. Les autres propositions ne décrivent pas cette situation.

4. Quelle est la représentation graphique d'une série statistique à deux variables ?

A. Un tableau récapitulatif des valeurs xi et yi.

B. Le nuage de points, formé par des points (xi ; yi) pour chaque individu.

C. Un histogramme illustrant la fréquence des valeurs.

D. Un diagramme en barres comparant deux séries.

Answer: (B)

Explanation

Le nuage de points est constitué de points (xi ; yi) pour représenter la relation entre deux variables quantitatives.

5. À quoi sert principalement le point moyen dans l’étude d’un nuage de points ?

A. À déterminer si la série est chronologique

B. À résumer la tendance centrale du nuage

C. À remplacer chaque point du nuage par une droite

D. À calculer directement la pente de la régression

Answer: (B)

Explanation

Le point moyen résume la tendance centrale du nuage de points. Il ne donne pas à lui seul la pente de la régression ni le caractère chronologique de la série.

6. Quel est le rôle du point moyen G dans la représentation d'un nuage de points d'une série à deux variables ?

A. Souligner la variable indépendante X.

B. Indiquer la valeur maximale de Y.

C. Marquer le point le plus éloigné du nuage.

D. Représenter la tendance centrale des données.

Answer: (D)

Explanation

Le point moyen G, aux coordonnées (x̄ ; ȳ), résume la tendance centrale en positionnant un point dans le nuage de points, ce qui permet d'observer la moyenne des deux variables.

7. Quel énoncé décrit le mieux un ajustement affine d’un nuage de points ?

A. Un calcul de moyenne effectué seulement sur les ordonnées

B. Une courbe imposée pour relier exactement tous les points

C. Une droite choisie pour passer au plus près des points du nuage

D. Une suite de points classés par ordre croissant des abscisses

Answer: (C)

Explanation

Un ajustement affine consiste à modéliser la tendance du nuage par une droite passant au plus près des points. Il ne s’agit pas d’une courbe exacte ni d’un simple calcul de moyenne.

8. Quand la méthode des moindres carrés a-t-elle été formulée pour la première fois dans l'histoire de la statistique ?

A. À la fin du XIXe siècle, avec l'introduction des méthodes numériques pour le traitement des données.

B. Au XIXe siècle, avec l'avènement de la régression linéaire.

C. Au XVIIe siècle, lors du développement initial de la statistique moderne.

D. Au début du XXe siècle, lors de la formalisation mathématique de la méthode.

Answer: (B)

Explanation

La méthode des moindres carrés a été introduite par Carl Friedrich Gauss au XIXe siècle, principalement dans le cadre de ses travaux sur l'astronomie et la physique, pour analyser la précision des mesures et ajuster des observations.

9. En quoi la droite de régression par moindres carrés diffère-t-elle d'un ajustement affine simple ?

A. L'ajustement affine est une méthode d'estimation ponctuelle, tandis que la droite de régression fournit une relation fonctionnelle précise.

B. La droite de régression minimise la somme des carrés des écarts entre observations et prévisions, alors que l'ajustement affine peut ne pas chercher à minimiser cette somme.

C. La droite de régression nécessite des variables transformées, alors que l'ajustement affine se fait directement sur les variables d'origine.

D. La droite de régression est toujours linéaire, alors que l'ajustement affine peut utiliser des courbes non linéaires.

Answer: (B)

Explanation

La méthode des moindres carrés cherche à minimiser explicitement la somme des carrés des écarts entre observations et valeurs prédites, ce qui distingue la droite de régression par moindres carrés d'un ajustement affine purement linéaire sans cette optimisation.

10. Qui a proposé la méthode des moindres carrés pour l'ajustement d'une tendance dans une série de données ?

A. Pierre-Simon Laplace

B. Galilée

C. André-Marie Ampère

D. Carl Friedrich Gauss

Answer: (D)

Explanation

La méthode des moindres carrés a été formulée par Carl Friedrich Gauss, notamment pour ses travaux sur l'astronomie et la correction des erreurs dans les observations.