Quiz: Analyse de la relation linéaire entre deux variables — 9 perguntas

1. Quel est l'objectif principal de l'ajustement affine dans une série statistique à deux variables ?

A. Trouver une relation linéaire entre les variables

B. Calculer la variance de chaque variable

C. Déterminer la moyenne des deux variables

D. Identifier la variable dépendante uniquement

Answer: (A)

Explicação

L'ajustement affine vise à établir une relation linéaire entre deux variables, représentée par une droite y = ax + b, pour modéliser leur tendance et faire des prévisions.

2. Quel est le but principal de l'ajustement affine dans une série statistique à deux variables?

A. Tracer une courbe complexe pour représenter la relation.

B. Trouver une droite y = ax + b qui minimise la distance aux points du nuage.

C. Calculer la moyenne des deux variables.

D. Mesurer la différence entre extrême valeurs.

Answer: (B)

Explicação

L'ajustement affine vise à représenter la relation par une droite y = ax + b qui minimise la distance avec tous les points, facilitant ainsi la prévision.

3. Que signifie un coefficient de détermination R² proche de 1 dans le contexte d'une série à deux variables ?

A. Il signifie que la relation est non linéaire

B. Il montre une forte corrélation linéaire entre les variables

C. Il indique une absence de corrélation entre les variables

D. Il indique que la relation est aléatoire

Answer: (B)

Explicação

Un R² proche de 1 indique une forte corrélation linéaire entre les variables, ce qui signifie que la droite d'ajustement explique bien la variation des données.

4. Selon la fiche, quel est le signe d'une forte corrélation entre deux variables?

A. R² > 0,3

B. R² > 0,8

C. R² < 0,5

D. R² = 0

Answer: (B)

Explicação

Une forte corrélation est indiquée par un coefficient de détermination R² supérieur à 0,8, signe d'une relation linéaire fiable.

5. Quelle méthode permet de prédire une valeur dans l’intervalle observé à partir de la droite d’ajustement ?

A. Interpolation

B. Analyse de variance

C. Régression multiple

D. Extrapolation

Answer: (A)

Explicação

L'interpolation consiste à prédire une valeur située dans l’intervalle des données observées en utilisant l’équation de la droite d’ajustement.

6. Dans le contexte de prédiction, quelle est la différence entre interpolation et extrapolation?

A. Interpolation prédit les valeurs hors de l’intervalle observé, extrapolation à l’intérieur.

B. Interpolation prédit une valeur dans l’intervalle observé, extrapolation en dehors.

C. Les deux termes désignent la même procédure.

D. Interpolation est plus risquée que l’extrapolation.

Answer: (B)

Explicação

L'interpolation consiste à prédire une valeur à l’intérieur de l’intervalle existant, alors que l’extrapolation concerne une prédiction hors de cet intervalle.

7. Quelle méthode est utilisée pour estimer la valeur manquante lorsque l’on connaît une variable dans une relation linéaire?

A. Inverser la droite d’ajustement (x = (y - b)/a). ,

B. Calculer la moyenne entre x et y.

C. Utiliser la médiane des données.

D. Appliquer une courbe de tendance quadratique.

Answer: (A)

Explicação

L’estimation consiste à insérer la valeur connue dans l’équation de la droite y = ax + b ou x = (y - b)/a pour prédire la variable manquante.

8. Quel est le rôle principal du nuage de points dans la série statistique à deux variables?

A. Il sert à estimer la moyenne des données.

B. Il visualise la relation entre les deux variables.

C. Il remplace l’équation de la droite d’ajustement.

D. Il calcule automatiquement le coefficient R².

Answer: (B)

Explicação

Le nuage de points est une représentation graphique qui permet de visualiser la relation existante entre les deux variables.

9. Quelle affirmation est correcte concernant le coefficient R²?

A. Il est toujours égal à 1 dans une corrélation parfaite.

B. Plus R² est proche de 1, meilleure est la relation linéaire.

C. Il indique la moyenne entre deux variables.

D. Il manque d’intérêt dans l’analyse de relation.

Answer: (B)

Explicação

Un R² proche de 1 indique une relation linéaire forte et une bonne qualité de la prédiction faite par la droite d’ajustement.