L'objectif

Calculer $\rho(X,Y)$ et, dans le cas $|\rho|=1$ , identifier une relation affine entre $X$ et $Y$ .

Le principe

Si $X$ et $Y$ admettent une variance non nulle, le coefficient de corrélation linéaire est défini par $\rho(X,Y)=\dfrac{\mathrm{Cov}(X,Y)}{\sigma(X)\sigma(Y)}$ et vérifie $\rho(X,Y)\in[-1,1]$ (Cauchy-Schwarz). De plus, $|\rho(X,Y)|=1$ si et seulement si il existe $(a,b)\in\mathbb{R}^*\times\mathbb{R}$ tels que $Y=aX+b$ presque sûrement.

La méthode

1
Je vérifie que $X$ et $Y$ admettent une variance finie et que $\sigma(X)>0$ et $\sigma(Y)>0$ (sinon $\rho$ n'est pas défini).
2
Je calcule $\mathrm{Cov}(X,Y)$ par la formule de Huygens $\mathrm{Cov}(X,Y)=E(XY)-E(X)E(Y)$ .
3
Je calcule $\sigma(X)=\sqrt{V(X)}$ et $\sigma(Y)=\sqrt{V(Y)}$ , puis $\rho(X,Y)=\dfrac{\mathrm{Cov}(X,Y)}{\sigma(X)\sigma(Y)}$ .
4
J'interprète : $\rho(X,Y)=0$ signale l'absence de corrélation linéaire, et $|\rho(X,Y)|=1$ équivaut à l'existence d'une relation $Y=aX+b$ presque sûre avec $a=\pm\sigma(Y)/\sigma(X)$ du signe de $\rho$ .

Comment calculer le coefficient de corrélation linéaire $\rho(X,Y)$ et l'interpréter dans le cas $|\rho|=1$ ?

En calculant $\rho(X,Y)=\mathrm{Cov}(X,Y)/(\sigma(X)\sigma(Y))$ et en concluant à une relation affine si $|\rho|=1$

Pour comprendre, fais des exercices !

Comment calculer le coefficient de corrélation linéaire ρ(X,Y)\rho(X,Y)ρ(X,Y) et l'interpréter dans le cas ∣ρ∣=1|\rho|=1∣ρ∣=1 ?

En calculant ρ(X,Y)=Cov(X,Y)/(σ(X)σ(Y))\rho(X,Y)=\mathrm{Cov}(X,Y)/(\sigma(X)\sigma(Y))ρ(X,Y)=Cov(X,Y)/(σ(X)σ(Y)) et en concluant à une relation affine si ∣ρ∣=1|\rho|=1∣ρ∣=1

Pour comprendre, fais des exercices !

Comment calculer le coefficient de corrélation linéaire $\rho(X,Y)$ et l'interpréter dans le cas $|\rho|=1$ ?

En calculant $\rho(X,Y)=\mathrm{Cov}(X,Y)/(\sigma(X)\sigma(Y))$ et en concluant à une relation affine si $|\rho|=1$