Examine les données d'autrui : la variable cachée (la température) dans l'exemple des ventes de glaces et des cas de noyade ; observe comment le déplacement d'une valeur aberrante fausse la corrélation ; le danger de la prédiction en dehors de la plage de données (extrapolation) ; critique les affirmations
Retourner à la simulation
Grâce à la simulation d'étude de données à deux variables quantitatives, vous apprendrez à évaluer des données statistiques d'un œil critique et à découvrir les erreurs d'interprétation courantes. À travers des exemples tels que la vente de glaces et les cas de noyade, ou encore l'évolution de la taille des enfants, vous remettrez en question la véritable causalité derrière les données tout en découvrant les concepts de variable cachée, d'extrapolation et de valeur aberrante. Cet outil interactif est un guide parfait pour analyser correctement les affirmations statistiques que vous rencontrez dans les médias et dans la vie de tous les jours.
Que pouvez-vous faire dans cette simulation ?
En faisant glisser le point aberrant rouge, vous pouvez diminuer ou augmenter la valeur du coefficient de corrélation r et observer l'effet destructeur des valeurs aberrantes sur la relation linéaire.
À l'exemple des ventes de glaces et des cas de noyade, vous pouvez examiner comment des variables cachées et communes, telles que la température, peuvent induire les données en erreur.
À partir des données de croissance de la taille des enfants, vous pouvez tester les résultats absurdes que génèrent les prédictions (extrapolations) faites en dehors de la plage de données.
Vous pouvez évaluer différentes affirmations et scénarios proposés, les associer aux bonnes options et renforcer vos connaissances grâce à des retours instantanés.
Vous pouvez réinitialiser la simulation à l'aide du bouton Recommencer et essayer de nouveaux scénarios.
Concepts fondamentaux et formules
Dans les recherches statistiques, la relation entre deux variables quantitatives est mesurée par le coefficient de corrélation (r). Cependant, la corrélation n'implique pas toujours une causalité (une relation de cause à effet). Les variables cachées peuvent agir comme un troisième facteur influençant les deux variables simultanément. De plus, les prédictions par extrapolation effectuées en sortant de la plage de données actuelle (valeurs minimales et maximales) peuvent entraîner de grandes erreurs. La formule r = Σ((x - x_moyenne)(y - y_moyenne)) / √(Σ(x - x_moyenne)^2 Σ(y - y_moyenne)^2) donne la force et la direction de la relation linéaire entre deux variables.
Comment l'utiliser ?
Rendez-vous sur le panneau de l'expérience et lisez attentivement les scénarios et affirmations présentés à l'écran.
Placez les éléments dans les cases correspondantes en touchant les cartes ou les options, ou par glisser-déposer.
Suivez l'évolution de la corrélation en faisant glisser le point aberrant rouge sur le graphique.
Appuyez sur le bouton Vérifier pour voir instantanément l'exactitude de vos prédictions.
Répétez l'expérience guidé par les corrections, en passant en revue les étapes où vous avez commis des erreurs ou des omissions.
Foire aux questions
Pourquoi la corrélation ne signifie-t-elle pas toujours causalité ?
Même si deux variables semblent augmenter ou diminuer ensemble, cela ne signifie pas nécessairement que l'une est la cause de l'autre. Il peut y avoir une variable cachée commune (par exemple, la température extérieure) qui influence les deux en arrière-plan.
Comment une valeur aberrante affecte-t-elle le coefficient de corrélation ?
Une seule valeur extrême (valeur aberrante) ajoutée ultérieurement au jeu de données ou mal mesurée peut fausser complètement la valeur r, qui indique la force de la relation linéaire, et détruire une relation forte.
Qu'est-ce que l'extrapolation et pourquoi est-ce dangereux ?
Il s'agit d'une opération de prédiction pour des valeurs situées en dehors des limites du jeu de données dont on dispose. L'hypothèse selon laquelle la tendance actuelle se poursuivra indéfiniment de la même manière peut mener à des résultats absurdes et irréalistes.