Correlation/régression et linéarité

Bonjour
Je souhaiterais avoir une précision sur les conditions d'application pour calculer la régression et la correlation:
Il faut que les valeurs de y correspondantes de x aient une distribution gaussienne ( et vise versa) .
Est-ce que, rechercher la significativté (ou non) de la linéarité de notre droite nous permettra de vérifier les conditions d'application (en gros est-ce que c'est pareil? )

Et, M.Forzy nous a précisé qu'il ne fallait pas savoir l'équation pour avoir F (déviation/résiduelle), est-ce quand-même raisonnable de la savoir pour vérifier les CA?

Merci

Bonjour ! 

Tu en poses de ces questions

Pour le coup je ne peux pas te répondre à 100%, mais je pense que non : le fait que Y ait une distribution normale pour toutes les valeurs de X (et inversement) ne présume pas du fait que la relation sera linéaire... C'est d'ailleurs une des limites du coefficient de corrélation (il ne fonctionne que si la relation supposée est linéaire).

Mais il me semble avoir vu un truc dans le livre de M. Forzy avec des vérifications de linéarité ou un truc comme ça... Je ne l'ai pas sous la main, mais regarde dedans si tu l'as, ça t'éclairera peut-être !


Quand à l'équation de la méthode ANOVA et de ses variances, elle sera donnée dans le formulaire si elle est nécessaire pour une question !

La plupart des formules sont utiles à connaître parce que ça va plus vite de les savoir et de savoir les utiliser que de devoir regarder dans le formulaire, mais en ce qui concerne celles-ci, apprends juste à t'en servir au cas où, mais n'apprends pas les formules par coeur

D'accord merci!

Je n'ai pas le livre si précieux de Mr Forzy ahah, mais dans ce cas comment sait-on si la droite étudiée est linéaire?

J'ai été demander à M. Forzy et je peux donc te répondre avec certitude désormais : 


Les CA de la corrélation/regression sont bien la distribution gaussienne de X pour Y et inversement.
Bon, il m'a pas dit comment ça se vérifiait, ça doit être des tests de normalité adaptés.


En ce qui concerne la vérification de linéarité, c'est une étape qui est nécessaire pour pouvoir établir que la relation entre X et Y est bien linéaire justement; on pourrait avoir un r ou même une pente significative, sans pour autant que la relation soit linéaire.

Ca ne change rien en soit à l'interprétation de r / de la pente, ça change juste qqchose pour l'estimation quand tu fais de la régression : C'est une condition pour dire que la relation est linéaire, et qu'on peut donc utiliser l'équation y = ax + b. Ou (my - y) = a. (mx - x) comme il l'appelle non ?

Si la linéarité n'est pas vérifiée, tu peux mettre en évidence une corrélation / regression, mais pas estimer des valeurs grâce à la formule ci-dessus.

Après c'est toujours pareil, c'est dit dans un but culturel, ça m'étonnerait très fort qu'il te demande de vérifier la linéarité de la relation...


(Du coup pardon pour ma digression sur ANOVA, j'avais rien compris en fait  )

ça va mieux ?

Ahhhhh ok ça roule Merci beaucoup, c'est beaucoup plus clair!
Par contre, j'ai un autre GRO problème, j'vais paraître con mais j'arrive jamais à trouver r en appliquant bêtement la formule après avoir rentré mes données dans la calculette..
Est-ce qu'il y a des choses à respecter auxquelles je ne ferais apparemment pas atention?

J'en sais rien, je ne calcule r qu'en utilisant la fonction 2-var de la calculette...

Ah, j'avais oublié cette option..