Statistiques Descriptives Bivariées

Explorez comment analyser et visualiser les relations entre deux variables,
qu’elles soient quantitatives ou qualitatives, à travers des graphiques,
des tables de contingence et des mesures de liaison et
la régression linéaire simple.

Objectifs du Module

• Comprendre et décrire les relations entre deux variables.
• Représenter graphiquement et interpréter les données bivariées.
• Calculer et interpréter les mesures de liaison (corrélation, covariance).
• Modéliser les relations linéaires par la régression linéaire simple.
• Analyser les relations entre variables qualitatives à l’aide de tableaux de contingence.
• Analyser la relation entre une variable quantitative et une variable qualitative.

Plan Détaillé

1. Introduction aux Statistiques Bivariées

• Rappel des concepts de variables (quantitatives, qualitatives).
• Définition et importance de l’analyse bivariée.
• Exemples de relations bivariées dans divers domaines.

2. Représentations Graphiques Bivariées

• Nuage de points :
  • Construction et interprétation (tendances, valeurs aberrantes).
  • Identification visuelle de la force et du sens de la relation.
• Tableaux de contingence :
  • Construction et interprétation des fréquences marginales et conditionnelles.
  • Visualisation des relations entre variables qualitatives.
• Boîtes à moustaches groupées :
  • Comparaison de la distribution d’une variable quantitative selon les catégories d’une variable qualitative.
  • Détection de différences de tendance centrale et de dispersion.

3. Mesures de Liaison entre Variables Quantitatives

• Covariance :
  • Définition et calcul.
  • Interprétation du signe et de l’amplitude.
• Coefficient de corrélation linéaire de Pearson :
  • Définition et calcul.
  • Interprétation de la force et du sens de la relation linéaire.
  • Limites de la corrélation (relations non linéaires, valeurs influentes).

4. Régression Linéaire Simple

• Droite de régression linéaire :
  • Équation et interprétation des coefficients.
  • Méthode des moindres carrés (explication conceptuelle).
• Coefficient de détermination (R²) :
  • Interprétation de la qualité de l’ajustement.
  • Évaluation de la capacité de prédiction du modèle.
• Analyse des résidus :
  • Identification des écarts par rapport au modèle.
  • Détection de problèmes potentiels.

5. Liaison entre Variables Qualitatives

• Tableaux de contingence :
  • Analyse des profils lignes et colonnes.
  • Calcul et interprétation des écarts aux fréquences théoriques.
• Mesures de liaison pour les variables qualitatives :
  • V de Cramer.
  • Coefficient de contingence.
  • Interprétation de la force de l’association.

6. Variable Quantitative vs. Variable Qualitative

• Représentations graphiques :
  • Boîtes à moustaches groupées (comparaison des distributions).
  • Diagrammes en barres (moyennes par catégorie).
• Analyse descriptive :
  • Calcul des moyennes et des écarts-types par catégorie.
  • Comparaison visuelle et numérique des distributions.
  • Interprétation des différences observées.

7. Applications et Études de Cas

• Analyse de jeux de données réels.
• Interprétation des résultats dans un contexte concret.
• Utilisation de logiciels statistiques (Excel, R, etc.) pour l’analyse bivariée.

Évaluation

• Exercices pratiques d’analyse de données.
• Études de cas à interpréter.
• Projets d’analyse bivariée.

Ressources

• Supports de cours (diapositives, notes de cours).
• Exercices et corrigés.
• Logiciels statistiques (Excel, R, etc.).

Points Importants à Souligner

• L’accent est mis sur la description et l’interprétation des relations, plutôt que sur la signification statistique.
• Les limites de la corrélation et de la régression sont clairement expliquées.
• L’importance de la visualisation des données est mise en avant.
• Une attention particulière est portée à l’analyse du cas d’une variable quantitative et d’une variable qualitative.