Sommaire
Mes pages
N° Page
Ouverture
p. 1-11
Sciences, climat et société
Ouverture de thème
p. 12-14
Le futur des énergies
Ouverture de thème
p. 80-82
Une histoire du vivant
Une histoire du vivant
Ouverture de thème p. 152-154
Fiches méthode
/ 294
Vue papier
Animation montrant le basculement entre la vue numérique et la vue papier
Animez votre cours avec la vue papier en cliquant ici
Page précédente
Fiche méthode 4
Esprit critique et scientifique

Reconnaître et interpréter une relation de corrélation

Ressource affichée de l'autre côté.
Faites défiler pour voir la suite.

A
Relation, corrélation, causalité

Ressource affichée de l'autre côté.
Faites défiler pour voir la suite.

Relation

On peut mettre en relation deux grandeurs chiffrées, c'est-à-dire établir une relation mathématique entre elles, du moment qu'on dispose de plusieurs « mesures » chiffrées associant ces deux grandeurs. Pour visualiser cette relation, on trace généralement un graphique.
Ressource affichée de l'autre côté.
Faites défiler pour voir la suite.

Exemples

➜ Pour le graphique n°1, on peut établir une relation entre un nombre d'enfants prénommés Gaël et un numéro de département, car ce sont des données chiffrées (voir graphique n°1).

➜ En 2017, un chercheur tenta de montrer que les hommes considérés comme beaux ont davantage d'enfants de sexe féminin : une relation impossible à établir, car la beauté masculine n'est pas quantifiable par une mesure objective.
Ressource affichée de l'autre côté.
Faites défiler pour voir la suite.
Placeholder pour Graphique: popularité du prénom Gaël en France (2007-2017). Plus répandu dans le sud et l'ouest, possible lien avec des sportifs c�élèbres ou origine celtique.Graphique: popularité du prénom Gaël en France (2007-2017). Plus répandu dans le sud et l'ouest, possible lien avec des sportifs célèbres ou origine celtique.
Graphique n°1 : relation entre le nombre d'enfants prénommés Gaël entre 2007 et 2017 et leur département de naissance
Ressource affichée de l'autre côté.
Faites défiler pour voir la suite.

Corrélation

Il y a corrélation de deux grandeurs chiffrées quand le tracé fait apparaître une relation mathématique, qui permet de prédire l'abscisse d'un point à partir de son ordonnée et vice-versa. Cette prédiction n'est pas exacte, elle constitue une estimation.
Ressource affichée de l'autre côté.
Faites défiler pour voir la suite.

Exemples

➜ Pour le graphique n°1, il n'existe pas de corrélation entre le dépar- tement et le nombre d'enfants prénommés Gaël : on peut trouver des raisons pour lesquelles un département particulier a un tel résultat, mais il n'y a pas de régularité, une fonction mathématique ne permet pas de décrire l'ensemble.

➜ Pour le graphique n°2, il semble y avoir une relation que l'on peut résumer ainsi : plus le PIB est élevé, plus la natalité est faible. Cette relation peut être formalisée par des équations de différents types.
Ressource affichée de l'autre côté.
Faites défiler pour voir la suite.
Placeholder pour Graphique montrant la corrélation inverse entre le taux de natalité et le PIB par habitant. Une courbe rouge et une droite verte modélisent les données; la courbe rouge montre une meilleure corrélation.Graphique montrant la corrélation inverse entre le taux de natalité et le PIB par habitant. Une courbe rouge et une droite verte modélisent les données; la courbe rouge montre une meilleure corrélation.
Graphique n°2 : relation entre fécondité et PIB pour différents pays
Ressource affichée de l'autre côté.
Faites défiler pour voir la suite.

Causalité

Une corrélation ne signifie pas pour autant une causalité : ainsi, les deux grandeurs peuvent être proportionnelles tout en étant parfaitement indépendantes l'une de l'autre. Il y a causalité lorsqu'on peut montrer que la modification d'une grandeur entraîne la modification de l'autre dans un sens bien déterminé, pour une raison précise.
Ressource affichée de l'autre côté.
Faites défiler pour voir la suite.

Exemple

➜ Pour le graphique n°3, on peut établir une corrélation entre le PIB et la mortalité infantile, mais aussi une causalité, car les pays plus pauvres disposent en général de systèmes de santé moins efficaces.
Ressource affichée de l'autre côté.
Faites défiler pour voir la suite.
Placeholder pour Graphique montrant la corrélation négative entre la mortalité infantile et le PIB. Plus le PIB est élevé, plus la mortalité infantile est faible.Graphique montrant la corrélation négative entre la mortalité infantile et le PIB. Plus le PIB est élevé, plus la mortalité infantile est faible.
Graphique n°3 : relation entre mortalité infantile et PIB
Ressource affichée de l'autre côté.
Faites défiler pour voir la suite.

B
Décrire et apprécier la solidité d'une corrélation

Ressource affichée de l'autre côté.
Faites défiler pour voir la suite.

Mise en évidence graphique de la corrélation

Pour avoir une idée de l'équation qui va représenter au mieux l'évolution observée, on essaie de tracer une courbe qui passe au plus près de tous les points. Par exemple, une droite traduit mathématiquement une relation de proportionnalité.
Sur un tableur, on peut tracer cette droite, appelée courbe de régression ou courbe de tendance. Ce peut être aussi une autre fonction mathématique (exponentielle, logarithmique, etc.).
Ressource affichée de l'autre côté.
Faites défiler pour voir la suite.

Le coefficient de corrélation

La solidité de la corrélation, c'est-à-dire la probabilité de tomber juste en utilisant l'équation de la droite, est donnée par le coefficient de corrélation r2. C'est une mesure de l'écart moyen des points à la droite. Plus ce coefficient est proche de 1 (100 %), meilleure est la corrélation.
Ressource affichée de l'autre côté.
Faites défiler pour voir la suite.

Exemples

➜ Pour le graphique n°2, les points sont plutôt éloignés de la droite ; le coefficient r2 est de 0,46 (46 %), ce qui est faible. La corrélation n'est pas parfaite : cela témoigne de la complexité de la relation. Le PIB est un paramètre explicatif de la natalité, mais il n'en est pas le seul. Une fonction de type logarithmique, plus complexe, semble un peu mieux adaptée : le coefficient est alors de 0,55.

➜ Pour le graphique n°3, la corrélation est plus solide (r2 = 0,78) : le taux de mortalité infantile dépend très fortement du PIB.
Ressource affichée de l'autre côté.
Faites défiler pour voir la suite.

C
Corrélation n'est pas causalité

Ressource affichée de l'autre côté.
Faites défiler pour voir la suite.

Détecter les corrélations non informatives

Dire qu'une grandeur est proportionnelle à une autre ne signifie pas pour autant que la variation de l'une est la cause directe de la variation de l'autre. Il peut en effet s'agir d'une coïncidence, ou encore d'un effet plus subtil : la présence d'une variable explicative commune (variable de confusion).
Ressource affichée de l'autre côté.
Faites défiler pour voir la suite.
Placeholder pour Graphique montrant la corrélation positive entre la production de glace et le nombre de décès par noyade aux États-Unis.Graphique montrant la corrélation positive entre la production de glace et le nombre de décès par noyade aux États-Unis.
Graphique n°4 : relation entre production de glaces aux États-Unis et morts par noyade dans des piscines.
Ressource affichée de l'autre côté.
Faites défiler pour voir la suite.

Exemple

➜ Dans le graphique n°4, il y a une corrélation entre la vente de glaces aux États-Unis et le nombre de morts par noyade. Manger de la glace peut-il augmenter le risque de se noyer ? En réalité, il y a ici une variable de confusion qui est la température : plus il fait chaud, plus on vend de glaces, mais plus il y a également de baigneurs, donc de noyades.
Ressource affichée de l'autre côté.
Faites défiler pour voir la suite.

Argumenter une relation de causalité

La causalité ne se démontre pas mathématiquement : une fois que l'on a obtenu une corrélation, il faut construire un raisonnement plausible pouvant expliquer que l'une des variables varie en fonction de l'autre. Attention à ne pas confondre la cause et la conséquence !
Ressource affichée de l'autre côté.
Faites défiler pour voir la suite.

Exemple

➜ Pour le graphique n°3, on peut argumenter que les pays disposant d'un PIB et donc de ressources élevées mettent en place des politiques de santé et d'éducation, ce qui a pour conséquence d'éviter une grande partie des décès de nourrissons. À l'inverse, la mortalité infantile faible n'est probablement pas la cause d'un PIB élevé. On pourrait aussi suggérer que les pays au PIB élevé ont les moyens de défendre leur espace aérien contre les extraterrestres, qui sont responsables du décès des enfants en bas âge : ce scénario correspond aux données, mais il est peu probable...
Ressource affichée de l'autre côté.
Faites défiler pour voir la suite.
Ainsi, la présence d'une corrélation n'est pas une démonstration de causalité, mais seulement un argument en sa faveur, s'il est étayé par un raisonnement, qui n'est pas irréfutable, mais plus ou moins plausible.
Ressource affichée de l'autre côté.
Faites défiler pour voir la suite.

Supplément numérique

Découvrez des
corrélations absurdes
.
Page suivante

Une erreur sur la page ? Une idée à proposer ?

Nos manuels sont collaboratifs, n'hésitez pas à nous en faire part.

j'ai une idée !

Oups, une coquille