Kala te souhaite la bienvenueKalaMaths
12

Séries à deux variables quantitatives et ajustement affine

GRATUIT

Fiche élève

Les énoncés du chapitre, à imprimer ou à travailler à l'écran. Sans compte !

Pour aller plus loin

Réservé aux abonnés : la fiche interactive, le corrigé et la fiche prof.

Fiche interactive

Cours + 1 atelier manipulable + exos auto-corrigés.

🔒 Réservé aux abonnésEssayer un atelier gratuitementS'abonner pour débloquerou ce chapitre seul, 2,99 €, voir plus bas.

Corrigé

La correction détaillée, avec les rappels utiles.

🔒 Réservé aux abonnésS'abonner pour débloquer

Fiche prof

La version enseignant, pour préparer et animer.

🔒 Réservé aux abonnésS'abonner pour débloquer

Juste besoin de ce chapitre ? Débloque-le pour 2,99 € : paiement unique, accès à vie (fiche interactive, corrigé, fiche prof et corrigés des exercices).

Avec un code de parrainage, c'est −20 % sur cette première commande.

Le chapitre en bref

Ce que tu vas savoir faire

  • Représenter le nuage de points d'une série statistique à deux variables quantitatives.
  • Calculer les coordonnées du point moyen G(x‾ ; y‾)G(\overline{x} \,;\, \overline{y}).
  • Déterminer une droite d'ajustement : au jugé, par la méthode de Mayer, ou à la calculatrice (moindres carrés).
  • Utiliser un ajustement affine pour interpoler ou extrapoler une valeur inconnue.
  • Juger de la pertinence d'un ajustement affine et des limites d'une extrapolation.

Le plan du chapitre

  1. 1Le nuage de points
  2. 2Le point moyen
  3. 3Trois façons d'ajuster une droite
  4. 4Interpoler, extrapoler, garder l'esprit critique

À retenir

  • Un nuage de points représente une série à deux variables quantitatives : un point (xi ; yi)(x_{i} \,;\, y_{i}) par individu, sans relier les points.
  • Regarder la forme du nuage avant de calculer : un ajustement affine ne vaut que si les points s'alignent à peu près.
  • Point moyen : G(x‾ ; y‾)G(\overline{x} \,;\, \overline{y}), moyenne des xix_{i} d'un côté, moyenne des yiy_{i} de l'autre.
  • Droite de Mayer : deux groupes de même effectif, leurs points moyens G1G_{1} et G2G_{2}, puis la droite (G1G2)(G_{1}G_{2}). Elle passe par G.
  • Moindres carrés : la droite qui rend ∑(yi−(axi+b))2\sum (y_{i} - (ax_{i} + b))^{2} minimale, donnée par la calculatrice ou le tableur. Elle passe par G.
  • a se lit « de combien y augmente quand x augmente de 1 », avec une unité.

Les questions éclair

Comment calcule-t-on le point moyen d'un nuage ?

G a pour abscisse la moyenne des xᵢ et pour ordonnée la moyenne des yᵢ.

Comment obtient-on la droite de Mayer ?

On partage le nuage en deux groupes de même effectif ; la droite passe par leurs points moyens G₁ et G₂.

Que minimise la droite des moindres carrés ?

La somme des carrés des écarts verticaux : Σ (yᵢ − (a xᵢ + b))².

Interpolation ou extrapolation ?

Interpoler = estimer DANS la plage des données (raisonnable). Extrapoler = en dehors (risqué).

Un bon ajustement prouve-t-il une cause ?

Non. Il montre un lien ; une troisième grandeur peut expliquer les deux.

Le sais-tu ?

La méthode des deux groupes porte le nom de l'astronome allemand Tobias Mayer. En 1750, pour décrire les mouvements de la Lune, il disposait de 27 observations pour trois inconnues seulement : trop d'équations, et légèrement contradictoires à cause des erreurs de mesure. Il eut l'idée de répartir ses équations en trois groupes et d'additionner celles de chaque groupe. Un peu plus de cinquante ans plus tard, Legendre puis Gauss publièrent la méthode des moindres carrés, qui règle le même problème de façon plus précise.