Comprendre la corrélation : une liaison statistique n'est pas une causalité
Définir la corrélation comme une liaison statistique entre deux variables, la distinguer d'une relation de cause à effet et citer au moins trois explications possibles d'une corrélation observée (causalité directe, causalité inverse, facteur commun, coïncidence).

Les points essentiels
- Une corrélation signifie que deux variables varient de façon liée dans un jeu de données : quand l'une est élevée, l'autre tend à l'être aussi (corrélation positive) ou à être faible (corrélation négative).
- Corrélation n'est pas causalité : observer que A et B varient ensemble ne prouve pas que A provoque B.
Les mots à connaître
- Corrélation
- Liaison statistique entre deux variables observées sur les mêmes individus ou unités : leurs valeurs évoluent de façon conjointe, sans que cela dise quelle variable agit sur l'autre.
- Causalité
- Relation dans laquelle une variation de A produit une variation de B ; elle suppose un mécanisme et ne se démontre pas par la seule observation d'une liaison.
Un exemple pour comprendre
Une étude observe que, dans des villes côtières, les ventes de glaces et le nombre de coups de soleil sont fortement corrélés positivement au fil des mois. Un journaliste titre : « Les glaces provoquent des coups de soleil ». Analyser cette affirmation.
1) Variables : ventes de glaces et nombre de coups de soleil, mesurées mois par mois. 2) Liaison : positive et forte, les deux montent en été. 3) Explications : A cause B (manger des glaces brûle la peau) n'a aucun mécanisme plausible ; B cause A n'est pas plausible non plus. Facteur commun : l'ensoleillement et la chaleur augmentent à la fois la consommation de glaces et l'exposition au soleil. 4) Conclusion : la corrélation est réelle mais la causalité affirmée est fausse ; la variable commune (météo estivale) explique la liaison. Pour le vérifier, on comparerait des mois de même ensoleillement : la liaison s'affaiblirait nettement.

