Guide de l'enseignant: Coefficient de corrélation
Apprenez à mesurer la force et la direction d'une relation linéaire entre deux variables à l'aide du coefficient de corrélation r.
Utiliser cette leçon en classe
Gratuit, sans compte élève.
Partager avec les élèves
Les élèves ouvrent la leçon et s'entraînent avec une correction immédiate.
Fiche d'exercices à imprimer
Tous les exercices sur papier, avec un corrigé séparé.
Quiz de classe
10 questions sur Corrélation. Les élèves participent avec un prénom, tu vois tous les scores.
Pour les enseignants
- Définir le coefficient de corrélation et expliquer ce qu'il mesure
- Calculer le coefficient de corrélation pour un jeu de données
- Interpréter le signe et la magnitude de dans leur contexte
- Distinguer entre corrélation et causalité
- Reconnaître les limites de pour les relations non linéaires
- • Compréhension des nuages de points et du tracé de couples ordonnés
- • Capacité à calculer la moyenne
- • Familiarité avec les carrés et les racines carrées
- • Compréhension de base des relations linéaires
- 1. Si deux variables ont , peut-on conclure que l'une cause l'autre ? Pourquoi ou pourquoi pas ?
- 2. Pourquoi pourrait-il être trompeur de ne rapporter que le coefficient de corrélation sans montrer un nuage de points ?
- 3. Une étude trouve entre la pointure et la capacité de lecture chez les élèves du primaire. Qu'explique cette corrélation ?
- 4. Comment expliqueriez-vous à quelqu'un qu'une corrélation parfaite de est rare dans les données réelles ?
Une corrélation de 0,5 signifie que les variables sont liées à 50%
Une corrélation négative signifie aucune relation
Pour les élèves en difficulté:
- • Concentrez-vous sur l'interprétation des valeurs de données avant de calculer
- • Utilisez la technologie (calculatrice/tableur) pour les calculs
- • Fournissez des nuages de points avec une corrélation clairement positive, négative ou nulle
Pour les élèves au niveau:
- • Calculez à la main pour de petits jeux de données (5-6 points)
- • Interprétez dans divers contextes du monde réel
- • Analysez l'effet des valeurs aberrantes sur la corrélation
Pour les élèves avancés:
- • Explorez le coefficient de détermination
- • Comparez les corrélations de Pearson et Spearman pour les données classées
- • Étudiez la corrélation partielle en contrôlant les troisièmes variables
- HSS.ID.C.8 (CCSS.MATH.CONTENT.HSS.ID.C.8)
Calculer (à l'aide de la technologie) et interpréter le coefficient de corrélation d'un ajustement linéaire
- HSS.ID.C.9 (CCSS.MATH.CONTENT.HSS.ID.C.9)
Distinguer entre corrélation et causalité
- visualNuage de points interactif
Les élèves ajoutent des points et voient se mettre à jour en temps réel
- activityJeu de devinette de corrélation
Estimez à partir de nuages de points avant de révéler la valeur
- worksheetScénarios corrélation vs causalité
Identifiez si les scénarios montrent une corrélation, une causalité, ou aucune des deux
Contenu de la leçon
Tout ce que voient les élèves : définition, exemples, erreurs fréquentes, applications. Touchez pour ouvrir.
Contenu de la leçon
Tout ce que voient les élèves : définition, exemples, erreurs fréquentes, applications. Touchez pour ouvrir.
Définition
- est toujours compris entre et :
- : Corrélation positive parfaite
- : Corrélation négative parfaite
- : Aucune corrélation linéaire
| Valeur de $ | r | Force | |
|---|---|---|---|
| Très faible | |||
| Faible | |||
| Modérée | |||
| Forte | |||
| Très forte |
Exemples résolus
Trouvez le coefficient de corrélation pour les données :
Calculez les moyennes et
, → ,
Calculez les écarts et
Point : Point : Point : Point : Point : → Écarts calculés
Calculez les produits
Somme →
Calculez
→
Calculez
→
Appliquez la formule
→
Réponse: (forte corrélation positive)
Erreurs courantes
Supposer que corrélation implique causalité
Pourquoi c'est faux: Une forte corrélation entre et ne signifie pas que cause . Il pourrait y avoir une troisième variable affectant les deux, ou la relation pourrait être fortuite.
Correct: Dites toujours "associé à" ou "corrélé avec" plutôt que "cause". Cherchez des preuves expérimentales pour établir la causalité.
Ignorer les valeurs aberrantes lors de l'interprétation de
Pourquoi c'est faux: Une seule valeur aberrante peut changer dramatiquement le coefficient de corrélation. est sensible aux valeurs extrêmes.
Correct: Tracez toujours les données d'abord. Cherchez les valeurs aberrantes et envisagez de calculer avec et sans elles.
Utiliser pour des relations non linéaires
Pourquoi c'est faux: ne mesure que les relations linéaires. Un motif courbe parfait pourrait avoir .
Correct: Examinez le nuage de points. Si le motif est courbé, n'est pas la bonne mesure. Envisagez des transformations ou des modèles non linéaires.
Pourquoi c'est important
- Science : Les chercheurs mesurent la force du lien entre variables comme la température et les ventes de glaces
- Finance : Les analystes suivent comment les cours boursiers évoluent ensemble (diversification de portefeuille)
- Médecine : Les médecins étudient les relations entre facteurs de risque et résultats de santé
- Sport : Les entraîneurs analysent quelles statistiques prédisent le mieux le succès d'une équipe
- Quantifier des relations qui "semblent" linéaires dans les nuages de points
- Faire des prédictions grâce à l'analyse de régression
- Évaluer la fiabilité des modèles statistiques
- Communiquer des résultats avec précision ("forte corrélation positive" vs "faible corrélation négative")
Applications dans le monde réel
Diversification boursière
Les analystes financiers utilisent la corrélation pour construire des portefeuilles diversifiés. Les actions avec une corrélation faible ou négative équilibrent le risque.
Exemple:
Si l'action A et l'action B ont , quand A baisse, B tend à monter légèrement, réduisant la volatilité du portefeuille.
Deux actions technologiques ont . Deux actions de secteurs différents ont .
Quelle paire offre une meilleure diversification ?
Étape 1 : Écrivez l'expression mathématique
Comparez : vs
Recherche médicale
Les chercheurs utilisent la corrélation pour identifier les facteurs de risque potentiels pour les maladies.
Exemple:
Une étude trouve entre la pression artérielle et le risque de maladie cardiaque, indiquant une forte relation positive.
Trois facteurs de santé montrent des corrélations avec le risque de diabète : Exercice (), Consommation de sucre (), Qualité du sommeil ().
Quel facteur a la relation la plus forte avec le risque de diabète ?
Étape 1 : Écrivez l'expression mathématique
Comparez les valeurs absolues : , ,
Points clés
- 1Le coefficient de corrélation mesure la force et la direction d'une relation linéaire
- 2 varie de (parfaitement négatif) à (parfaitement positif), indiquant aucune relation linéaire
- 3La valeur absolue indique la force : plus proche de est plus fort, plus proche de est plus faible
- 4Visualisez toujours les données avec un nuage de points avant d'interpréter
- 5Corrélation n'implique pas causalité - l'association n'est pas la même chose que la relation de cause à effet
Questions fréquentes
Quelle est la différence entre corrélation et causalité ?
peut-il être supérieur à 1 ou inférieur à -1 ?
Que signifie ?
Glossaire
- Coefficient de corrélation ()
- Une mesure numérique de à qui quantifie la force et la direction d'une relation linéaire entre deux variables
- Corrélation positive
- Quand : lorsqu'une variable augmente, l'autre tend à augmenter
- Corrélation négative
- Quand : lorsqu'une variable augmente, l'autre tend à diminuer
- Corrélation de Pearson
- Le type le plus courant de coefficient de corrélation, mesurant les relations linéaires (aussi appelé de Pearson)
- Nuage de points
- Un graphique montrant des points pour des données appariées, utilisé pour visualiser les relations entre variables
Carte des formules
Formule du coefficient de corrélation
Forme alternative : $r = \frac{n\sum xy - (\sum x)(\sum y)}{\sqrt{[n\sum x^2 - (\sum x)^2][n\sum y^2 - (\sum y)^2]}}$