Corrélation, régression et causalité
Savoir évaluer une corrélation entre deux séries statistiques à deux variables, comprendre ce que signifie l'expression « moindres carrés » pour la droite de régression, et distinguer corrélation et causalité en portant un regard critique sur les interpolations et les extrapolations.

Les points essentiels
- L'étude d'une série statistique à deux variables permet d'évaluer une corrélation entre deux phénomènes, c'est-à-dire un lien statistique entre leurs variations.
- Une corrélation entre deux variables ne prouve jamais qu'une variable cause l'autre : il faut distinguer corrélation et causalité.
Les mots à connaître
- Série statistique à deux variables
- Ensemble d'observations où chaque individu est décrit par deux caractères numériques, notés x et y.
- Corrélation
- Lien statistique entre deux variables : quand l'une varie, l'autre tend à varier de façon liée.
Un exemple pour comprendre
On mesure l'intensité I (en A) qui traverse un conducteur pour plusieurs tensions U (en V) : (2 ; 0,04), (4 ; 0,08), (6 ; 0,12). Décrire l'ajustement affine et en déduire une relation entre I et U.
Les trois points sont alignés sur une droite passant par l'origine. Le rapport I/U est constant : 0,04/2 = 0,08/4 = 0,12/6 = 0,02 A/V. La droite de régression a donc pour équation I = 0,02 × U. En interpolant à U = 5 V, on obtient I = 0,1 A. En revanche, extrapoler à U = 1000 V serait hors du domaine mesuré : rien ne garantit que la proportionnalité reste vraie.

