Jump to content

Différence entre les deux tests


Go to solution Solved by Jadilie,

Recommended Posts

  • Ancien Responsable Matière
Posted

Bonsooooir,

Je ne vois pas la différence entre le test de la pente de la droite de régression et le test du coeeficient de corrélation linéaire au niveau de leur but concret 

Merci 

  • Ancien Responsable Matière
  • Solution
Posted

Coucou ! 

 

C'est une très bonne question, et les deux sont proches.

 

Si u as un tableau de valeurs, que tu n'as pas traduit en graphique ni rien, et que tu te demandes si il y a une corrélation linéaire entre ces variables, tu vas faire un test de corrélation linéaire. Tu calcules ton coefficient de corrélation linéaire, tu vérifies qu'il est significativement différent de 0, et si oui il y a une corrélation linéaire significative.

 

Maintenant, si tu as fais un graphique et que tu t'es dit, "quand même, ça ressemble à une droite, mais elle n'est pas hyper pentue, je ne suis pas sûr.e que les variations de x aient vraiment un impact sur y", tu vas pouvoir estimer les paramètres de la droite, avec la méthode des moindre carrés, et faire un test de la pente de la droite de régression. Si bêta est nul, ça voudra dire que x aura beau varier dans tout les sens, y s'en fout et reste constant. Si il est significativement différent de 0, ça veut dire que x fait augmenter ou diminuer y.

 

En résumé

Test de corrélation linéaire = est-ce que j'ai une droite pentue ?

Test de la pente de la droite de régression = je sais que j'ai une droite, mais est-elle pentue ?

  • Ancien Responsable Matière
Posted

@Jadilie_NoelMerci beaucoup pour cette super réponse !

Je ne comprends pas trop comment calculer R, et comment calculer la covariance pour calculer le coefficient de corrélation linéaire. Si jamais tu pouvais m'expliquer ? Parce que vraiment je comprends pas comment, si je dois les calculer, je vais faire la somme de tout les termes ?

Merci beaucoup

  • Ancien Responsable Matière
Posted

Alors on va faire un exemple : 

X : 1    2   3   4   5

Y : 3    6   4   7   6

 

Sigma x = 3,3

Sigma y = 2,6

 

Tu obtiens :

 

n = 5

Moyenne de X : 3

Moyenne de Y : (3+6+4+7+6)/5  = 26/5 = 5,2

 

r = (1*3 + 2*6 + 3*4 + 4*7 + 5*6  -  5*3*5,2) / ((5-1)*3,3*2,6)                    (t'enlèves ce qui est en gras et t'as la covariance)     

   = (3+12+12+28+30 - 15*5,2) / (4*8,58)

   = (75 - 77) / 34,32

   = 2 / 34,32

   = 1 / 17, 16

 

Bon on ne te demandera pas de calculer 1/4,29, mais tu vois qu'ici ton r est proche de 0.

Join the conversation

You can post now and register later. If you have an account, sign in now to post with your account.
Note: Your post will require moderator approval before it will be visible.

Guest
Reply to this topic...

×   Pasted as rich text.   Paste as plain text instead

  Only 75 emoji are allowed.

×   Your link has been automatically embedded.   Display as a link instead

×   Your previous content has been restored.   Clear editor

×   You cannot paste images directly. Upload or insert images from URL.

  • Recently Browsing   0 members

    • No registered users viewing this page.
×
×
  • Create New...