Modelisation graphique : Variation d'une valeur par rapport à une autre

[RLA]

Bonjour à tous !

J'ai un souci qui n'en n'est pas un certainement pour vous !

Je souhaiterai modéliser sur Excel la variation d'une donnée par rapport à une autre donnée sous le format "Nuage de point". Mais le résultat constaté est catastrophique...

Avis aux experts...vous pouvez certainement m'aider ! 😉

(ci-joint le fichier Excel avec les 2 variables)

Cordialement,

 

[Misange]

Re : Modelisation graphique : Variation d'une valeur par rapport à une autre

Bonjour

Non ton graphique n'a rien de catastrophique ! C'est la bonne façon pour représenter tes coupes de valeurs (age,uricémie). Et avec un coeff de régression R² de 0.00005 tu peux affirmer sans te tromper qu'il n'y a aucune corrélation entre l'uricémie et l'age.
Une autre façon de le représenter serait de faire des classes d'age et de mesurer par classe la moyenne des valeurs d'uricémie, ou bien l'inverse mais ça ne changera pas le résultat.

 

[job75]

Re : Modelisation graphique : Variation d'une valeur par rapport à une autre

Bonjour RLA, bienvenue sur XLD,

Mais le résultat constaté est catastrophique...

Pas du tout, cela veut simplement dire qu'il n'y a pas de corrélation entre l'uricémie et l'âge !

Dans une cellule entrez la formule :

=COEFFICIENT.CORRELATION(A2:A175;B2:B175)

Le résultat est -0,021569593232748.

Edit : coucou Misange 🙂

A+

 

[phlaurent55]

Re : Modelisation graphique : Variation d'une valeur par rapport à une autre

Bonjour à tous

Pour illustrer les propos de Misange et Job,
voici la moyenne par âge

et avec la tendance (c'est vrai que ça monte un petit peu

à+
Philippe

 

[Misange]

Re : Modelisation graphique : Variation d'une valeur par rapport à une autre

Bonjour Philippe,
Le fait que "ca monte un petit peu" ne veut absolument rien dire. Le coeff de corrélation n'est pas une valeur absolue, il doit impérativement être interprété en fonction des conditions de l'étude et du mode de distribution des variables (loi normale ou pas) mais malgré tout il donne une première idée de la significativité des résultats.
Ici il n'y a en fait aucune raison qu'il y ait une relation LINEAIRE entre l'age et l'uricémie. uricémie=constante1 + age*constante2 !

On peut en revanche comparer statistiquement la première moitié de la population classée en fonction de l'age à la seconde moitié.
Un simple test de student nous dit que le p est de 0.38.
Si on étudie une variable qui est complètement indépendante d'une autre (par exemple la pointure des chaussures et le gout pour le chocolat), le p est de 0.5.
A l'inverse, quand le p est égal à 0.05 on traduit cela en bon français par : "en affirmant que les moyennes des deux groupes sont différentes, j'ai statistiquement 5% de chances de me tromper ou 95% de chances d'avoir raison". Cette valeur de 0.05 est une valeur classiquement retenue.

Ici tu vois donc qu'avec un p de 0.38, on a aucune relation statistique entre l'age et l'uricémie.