La covariance mesure comment deux variables varient ensemble. Quand les grandes valeurs de x vont avec les grandes valeurs de y, la covariance est positive ; quand les grands x vont avec les petits y, elle est négative ; sans régularité, elle est proche de zéro. Ce calculateur part des sommes qu’un tableur donne rapidement, pour obtenir la covariance, le coefficient de corrélation et la droite de régression sans saisir toutes les paires.
Comment se fait le calcul
Avec n paires, posons Sxy = Σxy − Σx × Σy ÷ n, Sxx = Σx² − (Σx)² ÷ n et Syy = Σy² − (Σy)² ÷ n.
- Covariance d’échantillon = Sxy ÷ (n − 1), et covariance de population = Sxy ÷ n
- Corrélation r = Sxy ÷ √(Sxx × Syy)
- Pente = Sxy ÷ Sxx, et ordonnée à l’origine = (Σy − pente × Σx) ÷ n
- r² est la part de la variation de y expliquée par la droite
Exemple
Avec 8 paires, Σx = 40, Σy = 60, Σxy = 342, Σx² = 250 et Σy² = 520, on obtient Sxy = 342 − 300 = 42, Sxx = 50 et Syy = 70. La covariance d’échantillon est de 42 ÷ 7 = 6,0 et celle de la population de 5,25. La corrélation est de 42 ÷ √3500 = 0,710, donc r² vaut 0,504. La droite est y = 3,3 + 0,84 x.
Covariance, corrélation et unités
Une covariance de 6 ne signifie pas grand-chose seule : elle serait de 6 000 si y était exprimé dans une autre unité. La corrélation supprime les unités et indique la force de la relation linéaire, de −1 (négative parfaite) à +1 (positive parfaite). Une valeur proche de 0 signifie qu’il n’y a pas de relation linéaire, même si une relation courbe peut exister.
Précautions
La corrélation ne prouve pas une causalité : deux variables peuvent évoluer ensemble à cause d’un troisième facteur, ou par hasard dans de petits échantillons. Les valeurs aberrantes pèsent beaucoup sur la covariance et la corrélation : représentez vos données sur un graphique avant de vous fier aux chiffres. Quand les sommes sont grandes et proches les unes des autres, les arrondis peuvent provoquer des erreurs : conservez le plus de chiffres possible.