Vrai ou faux, un modèle linéaire suppose une relation monotone entre deux variables.
Vrai
i. Un modèle linéaire est lorsque l’on suppose qu’il existe une relation monotone croissante ou décroissante entre deux variables X et Y
Vrai ou faux, la corrélation peut être utilisée avec des variables nominales.
Vrai
i. La corrélation s’applique à des variables quantitatives (échelles d’intervalle ou de rapport)
ii. Une variable nominale sert à classer les individus ou les objets dans des catégories distinctes, sans qu’il n’existe d’ordre logique entre elles.
iii. Ex. :
1. Sexe
2. Type de logement
3. Couleur des yeux
Vrai ou faux, un coefficient de corrélation peut être négatif.
Vrai
i. Le coefficient de corrélation peut être négatif quand deux variables évoluent en sens inverse
ii. Ex. : Plus il fait froid, plus les gens mettent le chauffage fort
iii. Négatif ne veut pas dire mauvais, c’est seulement que le lien est l’inverse
iv. Le coefficient varie entre -1 et +1
Vrai ou faux, une corrélation de 0 signifie qu’il n’y a aucune relation entre les variables.
Vrai
i. Un r = 0 signifie l’absence de relation linéaire
Vrai ou faux, les valeurs aberrantes peuvent influencer le coefficient de corrélation.
Vrai
i. Les valeurs aberrantes peuvent gonfler ou diminuer artificiellement la corrélation
Vrai ou faux, un coefficient de corrélation de 1 indique une relation parfaite.
Vrai
i. Un r = 1 indique une relation linéaire parfaite positive
Vrai ou faux, le coefficient de détermination est toujours supérieur à 1.
Faux
i. Le coefficient de détermination varie entre 0 et 1
Vrai ou faux, une corrélation élevée implique nécessairement une relation causale.
Faux
i. Lien de corrélation ≠ causalité
Vrai ou faux, la diagonale d’une matrice de corrélation contient des 1.
Vrai
i. Dans une matrice de corrélation, chaque variable est parfaitement corrélée avec elle-même 1 sur la diagonale
Vrai ou faux, le coefficient de corrélation est la moyenne des produits des scores Z.
Vrai
i. La corrélation est la moyenne des produits des scores Z (Zx × Zy)
Quelle est la plage de valeurs du coefficient de corrélation (r) ?
a. 0 à 1
b. -1 à 1
c. -∞ à +∞
d. 0 à 100
B
Que signifie un r = -0,70 ?
a. Aucune relation
b. Relation positive forte
c. Relation négative forte
d. Relation faible
C
Si r = 0,50, quel est le coefficient de détermination (r²) ?
a. 0,10
b. 0,25
c. 0,50
d. 0,75
B
Une corrélation de 0 signifie :
a. Relation parfaite
b. Relation négative
c. Absence de relation linéaire
d. Relation causale
C
Quelle situation illustre une variable de confusion ?
a. Taille et poids
b. Glace vendue et vols
c. Étude et réussite
d. Sommeil et fatigue
B
i. Exemple classique de variable de confusion :
1. Chaleur = variable cachée
2. Elle influence les deux variables
Définis ce qu’est un coefficient de corrélation.
a. La corrélation est la moyenne des produits des scores-types accouplés
b. C’est un indice statistique qui mesure :
i. La force (faible à forte)
ii. La direction (positive ou négative) d’une relation entre deux variables
Explique pourquoi les valeurs aberrantes peuvent fausser une corrélation.
a. Puisque ces données sont en marge des autres, elles peuvent fausser l’analyse des résultats
b. Une valeur extrême peut :
i. Modifier fortement r
ii. Ex. : Un seul point très éloigné peut créer une corrélation artificielle
Quelle est la signification d’un coefficient de détermination (r²) ?
a. Représente la proportion de variance expliquée
i. Ex : r = 0,70 → r² = 0,49
ii. Donc 49 % de la variation de Y est expliquée par X
Comment interpréter une corrélation de r = 0,74 entre deux variables ?
a. Corrélation positive forte
b. Quand X augmente, Y augmente
À quoi sert une matrice de corrélation inter-items ?
a. Analyser les relations entre plusieurs variables
b. Repérer des liens forts ou faibles
c. Identifier des regroupements (ex. : traits psychologiques liés)