Cuestionario: Analyse des relations entre deux variables — 9 preguntas

1. Quel est le principal objectif de la statistique à deux variables ?

A. Étudier la relation entre deux variables et comment elles sont liées

B. Calculer la moyenne de deux variables

C. Tester l'indépendance de deux variables qualitatives

D. Comparer deux échantillons indépendants

Answer: (A)

Explicación

La statistique à deux variables vise à analyser si et comment deux variables, qu'elles soient quantitatives ou qualitatives, sont liées. Elle permet d'étudier leur relation, de détecter l'existence d'une dépendance ou d'une association.

2. Quel indicateur mesure spécifiquement la relation linéaire entre deux variables quantitatives selon la fiche de révision?

A. Le coefficient de covariance

B. Le coefficient de corrélation de Pearson

C. Le tableau de contingence

D. Le test de Chi-deux

Answer: (B)

Explicación

Le coefficient de corrélation de Pearson est conçu pour mesurer la relation linéaire entre deux variables quantitatives, contrairement à la covariance qui n'est pas normalisée.

3. Quel indice permet de mesurer la force et la direction d'une relation linéaire entre deux variables quantitatives ?

A. Test Chi-deux

B. Coefficient de contingence

C. Coefficient de corrélation de Pearson

D. Covariance

Answer: (C)

Explicación

Le coefficient de corrélation de Pearson, noté r, est l’indicateur standard pour mesurer la force et la direction d’une relation linéaire entre deux variables quantitatives. Il varie entre -1 et 1, où -1 indique une relation négative parfaite, 1 une relation positive parfaite, et 0 aucune relation linéaire.

4. Que indique une valeur de r proche de 1 ou -1?

A. Une relation faiblement linéaire

B. Une forte relation linéaire

C. Une absence de relation

D. Une relation causale directe

Answer: (B)

Explicación

Une valeur de r près de 1 ou -1 indique une forte relation linéaire, positive ou négative, entre deux variables, mais cela ne prouve pas une causalité.

5. Quelle est la différence principale entre la covariance et la corrélation ?

A. La covariance dépend des unités de mesure, la corrélation la standardise

B. La covariance mesure uniquement la dépendance non linéaire

C. La covariance est utilisée pour analyses qualitatives, la corrélation pour quantitatives

D. La covariance est normalisée, alors que la corrélation ne l'est pas

Answer: (A)

Explicación

La covariance mesure la dépendance entre deux variables, mais elle dépend des unités de mesure. La corrélation, en normalisant la covariance par les écarts-types, permet de comparer des relations sur différentes échelles et fournit une valeur standardisée entre -1 et 1.

6. Quelle démarche la statistique utilise-t-elle pour vérifier l’indépendance entre deux variables qualitatives?

A. Le tableau de contingence

B. Le test de Chi-deux

C. La normalisation par l’écart-type

D. L’analyse graphique

Answer: (B)

Explicación

Le test de Chi-deux compare les effectifs observés à ceux attendus sous l’hypothèse d’indépendance, afin de vérifier si deux variables qualitatives le sont réellement.

7. Quels sont les éléments clés représentés dans un diagramme en bâtons?

A. Variables quantitatives

B. Variables qualitatives

C. Relation causale

D. Relation linéaire

Answer: (B)

Explicación

Le diagramme en bâtons est utilisé pour représenter graphiquement des variables qualitatives ou catégorielles.

8. Quelle hypothèse est essentielle lors d’un test statistique pour assurer la validité des résultats?

A. La linéarité et la normalité

B. L’indépendance des variables uniquement

C. L’absence de toute relation entre variables

D. La présence de valeurs extrêmes

Answer: (A)

Explicación

La linéarité et la normalité sont des hypothèses essentielles pour certains tests statistiques car elles garantissent la validité des résultats.

9. Quelle affirmation est correcte concernant la normalisation du coefficient de corrélation?

A. Elle permet d’obtenir un coefficient borné entre 0 et 1

B. Elle permet d’obtenir un coefficient borné entre -1 et 1

C. Elle n’affecte pas la valeur du coefficient

D. Elle élimine toute dépendance non linéaire

Answer: (B)

Explicación

La normalisation via l’écart-type avec le coefficient de Pearson permet de borné la relation linéaire entre -1 et 1, facilitant la compréhension.