Statistiques à deux variables
Tableaux croisés et fréquences conditionnelles, nuage de points et point moyen, ajustement affine (au jugé, par deux points, méthode de Mayer, moindres carrés), estimations par lecture graphique ou par le calcul, ajustement après changement de variable, corrélation et causalité, avec des exemples du secteur santé et social.
Dans le secteur sanitaire et social, on observe souvent deux caractères à la fois sur les mêmes individus : âge et tension artérielle, catégorie professionnelle et vaccination, température extérieure et consommation d'énergie d'un établissement… Ce chapitre donne les outils pour décrire ces données, repérer un lien éventuel et faire des estimations.
1. Tableaux croisés et fréquences conditionnelles
Activité · Qui se vaccine le plus ?
Dans un hôpital de $400$ agents, la médecine du travail a relevé qui s'est fait vacciner contre la grippe :
| Catégorie | Vaccinés (V) | Non vaccinés (N) | Total |
|---|---|---|---|
| Médecins (M) | 54 | 26 | 80 |
| Infirmiers (I) | 98 | 62 | 160 |
| Aides-soignants (A) | 64 | 96 | 160 |
| Total | 216 | 184 | 400 |
Le cadre de santé affirme : « Parmi les vaccinés, les aides-soignants sont les plus nombreux, ce sont donc eux qui se vaccinent le plus ! »
- Quelle proportion des vaccinés est formée d'aides-soignants ? de médecins ?
- Quelle proportion des aides-soignants est vaccinée ? des médecins ? des infirmiers ?
- Le cadre de santé a-t-il raison ?
- Parmi les $216$ vaccinés : $\dfrac{64}{216} \approx 29{,}6\,\%$ sont aides-soignants et $\dfrac{54}{216} = 25\,\%$ sont médecins.
- Parmi les $160$ aides-soignants, $\dfrac{64}{160} = 40\,\%$ sont vaccinés. Chez les médecins : $\dfrac{54}{80} = 67{,}5\,\%$ ; chez les infirmiers : $\dfrac{98}{160} = 61{,}25\,\%$.
- Non : les aides-soignants sont nombreux parmi les vaccinés simplement parce qu'ils sont nombreux dans l'hôpital. Rapporté à leur effectif, ce sont eux qui se vaccinent le moins.
Un même nombre ($64$) peut être comparé à deux totaux différents : celui de sa ligne ou celui de sa colonne. Il faut toujours préciser la population de référence : c'est l'idée de fréquence conditionnelle.
Définition · Tableau croisé
Lorsqu'on étudie deux caractères sur une même population, un tableau croisé (ou tableau à double entrée) donne, dans chaque case, l'effectif des individus qui présentent à la fois une modalité du premier caractère (colonne) et une modalité du second (ligne). La dernière ligne et la dernière colonne contiennent les totaux.
Définition · Fréquence conditionnelle
Soit $A$ et $B$ deux modalités. On note $n_{A \cap B}$ l'effectif des individus qui ont à la fois $A$ et $B$, et $n_B$ l'effectif de ceux qui ont $B$. La fréquence conditionnelle de $A$ sachant $B$ (ou « de $A$ par rapport à $B$ ») est :
$$f_B(A) = \dfrac{n_{A \cap B}}{n_B}$$C'est la proportion d'individus ayant $A$ parmi ceux qui ont $B$ : la population de référence est réduite à $B$.
Méthode · Calculer une fréquence conditionnelle
- Compléter si besoin les totaux du tableau.
- Repérer la population de référence (ce qui suit « sachant » ou « parmi ») : c'est le dénominateur, lu dans la ligne ou la colonne « Total ».
- Diviser l'effectif de la case commune par cet effectif de référence.
Exemple
Dans l'activité : $f_A(V) = \dfrac{64}{160} = 0{,}4$ (proportion de vaccinés parmi les aides-soignants) et $f_V(A) = \dfrac{64}{216} \approx 0{,}296$ (proportion d'aides-soignants parmi les vaccinés).
Attention · Ne pas inverser
En général $f_A(B) \neq f_B(A)$ : on divise le même effectif $n_{A \cap B}$ par deux totaux différents.
Propriété · Retrouver un effectif
Si l'on connaît $f_B(A)$ et l'effectif $n_B$, alors $n_{A \cap B} = n_B \times f_B(A)$.
Exemple : si $35\,\%$ des $240$ patients d'un service sont diabétiques, $240 \times 0{,}35 = 84$ patients sont diabétiques.
2. Série à deux variables, nuage de points et point moyen
Définition · Série statistique à deux variables
Lorsqu'on mesure deux caractères quantitatifs $x$ et $y$ sur $N$ individus, on obtient $N$ couples $(x_1\,;\,y_1)$, $(x_2\,;\,y_2)$, …, $(x_N\,;\,y_N)$ : c'est une série statistique à deux variables (ou série double).
Définition · Nuage de points et point moyen
Dans un repère, le nuage de points de la série est l'ensemble des $N$ points $M_i(x_i\,;\,y_i)$.
Le point moyen du nuage est le point $G(\overline{x}\,;\,\overline{y})$, où :
$$\overline{x} = \dfrac{x_1 + x_2 + \dots + x_N}{N} \qquad \text{et} \qquad \overline{y} = \dfrac{y_1 + y_2 + \dots + y_N}{N}$$Activité · Le carnet de santé d'un nourrisson
Le carnet de santé d'un bébé indique sa masse chaque mois :
| Âge $x_i$ (mois) | 0 | 1 | 2 | 3 | 4 | 5 | 6 |
|---|---|---|---|---|---|---|---|
| Masse $y_i$ (kg) | 3,4 | 4,3 | 5,1 | 5,8 | 6,5 | 7,1 | 7,7 |
- Choisir des axes adaptés et placer les $7$ points $(x_i\,;\,y_i)$.
- Calculer l'âge moyen $\overline{x}$ et la masse moyenne $\overline{y}$, puis placer le point $G(\overline{x}\,;\,\overline{y})$.
- Décrire l'allure du nuage.
- Les masses vont de $3{,}4$ à $7{,}7$ kg : on fait démarrer l'axe des ordonnées à $3$ (et non à $0$) pour que le nuage occupe toute la place ; en abscisse, $1$ graduation par mois.
- $\overline{x} = \dfrac{0 + 1 + 2 + 3 + 4 + 5 + 6}{7} = \dfrac{21}{7} = 3$ et $\overline{y} = \dfrac{3{,}4 + 4{,}3 + 5{,}1 + 5{,}8 + 6{,}5 + 7{,}1 + 7{,}7}{7} = \dfrac{39{,}9}{7} = 5{,}7$. Donc $G(3\,;\,5{,}7)$.
- Les points « montent » presque en ligne droite : la masse augmente d'environ $0{,}7$ kg par mois. $G$ est situé au cœur du nuage.
Le point moyen résume le nuage par un seul point : son abscisse est la moyenne des $x_i$, son ordonnée la moyenne des $y_i$.
Méthode · Représenter un nuage de points
- Repérer la plus petite et la plus grande valeur de $x$, puis de $y$.
- Choisir l'origine des axes et les unités pour que le nuage remplisse la figure : les axes ne commencent pas forcément à 0.
- Placer chaque point $(x_i\,;\,y_i)$ sans relier les points entre eux.
- Calculer $\overline{x}$ et $\overline{y}$, puis placer $G$ (souvent avec une croix d'une autre couleur).
Attention
On ne relie pas les points d'un nuage : chaque point est une observation isolée. Avec la calculatrice (menu statistiques à deux variables), on saisit les $x_i$ dans une liste, les $y_i$ dans une autre, puis on obtient $\overline{x}$, $\overline{y}$ et le nuage à l'écran.
3. Ajustement affine
Ajuster un nuage, c'est chercher une fonction simple $f$ telle que $y \approx f(x)$ pour tous les points. Lorsque les points sont presque alignés, on choisit une fonction affine : la droite obtenue s'appelle une droite d'ajustement (ou droite de régression).
Définition · Ajustement affine
Réaliser un ajustement affine d'une série $(x_i\,;\,y_i)$, c'est choisir une droite d'équation $y = ax + b$ qui passe « au plus près » de tous les points du nuage. On estime alors qu'il existe un lien affine entre $x$ et $y$.
Méthode · Ajustement graphique « au jugé »
- Vérifier que les points sont à peu près alignés.
- Placer le point moyen $G$ et tracer à la règle une droite passant par $G$, avec à peu près autant de points au-dessus qu'en dessous.
- Lire deux points de la droite pour déterminer son équation.
Méthode · Équation de la droite passant par deux points
Pour la droite passant par $A(x_A\,;\,y_A)$ et $B(x_B\,;\,y_B)$ avec $x_A \neq x_B$ :
$$a = \dfrac{y_B - y_A}{x_B - x_A} \qquad \text{puis} \qquad b = y_A - a\,x_A$$Exemple : par $A(2\,;\,79{,}6)$ et $B(5\,;\,82{,}6)$, $a = \dfrac{3}{3} = 1$ et $b = 79{,}6 - 2 = 77{,}6$ : $y = x + 77{,}6$.
Activité · La méthode de Mayer sur des tensions artérielles
Lors d'un dépistage, un infirmier relève l'âge $x$ et la pression artérielle systolique $y$ (PAS, en mmHg) de huit personnes, rangées par âge croissant :
| Âge $x_i$ (ans) | 30 | 36 | 42 | 48 | 54 | 60 | 66 | 72 |
|---|---|---|---|---|---|---|---|---|
| PAS $y_i$ (mmHg) | 117 | 120 | 124 | 127 | 132 | 134 | 139 | 143 |
- On partage le nuage en deux groupes de $4$ points : les $4$ plus jeunes et les $4$ plus âgés. Calculer les points moyens $G_1$ et $G_2$ de chaque groupe.
- Déterminer l'équation de la droite $(G_1G_2)$.
- Calculer le point moyen $G$ du nuage entier. Appartient-il à $(G_1G_2)$ ?
- $G_1$ : $\dfrac{30 + 36 + 42 + 48}{4} = 39$ et $\dfrac{117 + 120 + 124 + 127}{4} = \dfrac{488}{4} = 122$, donc $G_1(39\,;\,122)$.
$G_2$ : $\dfrac{54 + 60 + 66 + 72}{4} = 63$ et $\dfrac{132 + 134 + 139 + 143}{4} = \dfrac{548}{4} = 137$, donc $G_2(63\,;\,137)$. - $a = \dfrac{137 - 122}{63 - 39} = \dfrac{15}{24} = 0{,}625$ et $b = 122 - 0{,}625 \times 39 = 122 - 24{,}375 = 97{,}625$. La droite de Mayer a pour équation $y = 0{,}625x + 97{,}625$.
- $\overline{x} = \dfrac{408}{8} = 51$ et $\overline{y} = \dfrac{1\,036}{8} = 129{,}5$. Or $0{,}625 \times 51 + 97{,}625 = 31{,}875 + 97{,}625 = 129{,}5$ : $G(51\,;\,129{,}5)$ est bien sur la droite.
La droite de Mayer se calcule sans calculatrice spéciale, et elle passe toujours par le point moyen du nuage.
Propriété · Méthode de Mayer
On range les points par abscisses croissantes et on partage le nuage en deux groupes de même effectif (à un point près si $N$ est impair). La droite de Mayer est la droite $(G_1G_2)$ qui joint les points moyens des deux groupes. Elle passe toujours par le point moyen $G$ du nuage.
Activité · Quelle droite est la meilleure ?
Un kinésithérapeute mesure chaque semaine l'amplitude de flexion du genou (en degrés) d'un patient opéré :
| Semaine $x_i$ | 1 | 2 | 3 | 4 | 5 |
|---|---|---|---|---|---|
| Amplitude $y_i$ (°) | 62 | 70 | 75 | 84 | 89 |
Pour une droite $y = ax + b$, l'écart du point $M_i$ est $e_i = y_i - (ax_i + b)$ : c'est la distance verticale signée entre le point et la droite. On compare trois droites à l'aide de la somme $S = e_1^2 + e_2^2 + \dots + e_5^2$.
- $D_1$ passe par le premier et le dernier point : $y = 6{,}75x + 55{,}25$. Calculer $S_1$.
- $D_2$ a été tracée au jugé : $y = 7x + 55$. Calculer $S_2$.
- La calculatrice donne la droite $D_3$ : $y = 6{,}8x + 55{,}6$. Calculer $S_3$ et conclure.
| $x_i$ | 1 | 2 | 3 | 4 | 5 | Somme des carrés |
|---|---|---|---|---|---|---|
| écarts pour $D_1$ | 0 | 1,25 | −0,5 | 1,75 | 0 | $S_1 = 4{,}875$ |
| écarts pour $D_2$ | 0 | 1 | −1 | 1 | −1 | $S_2 = 4$ |
| écarts pour $D_3$ | −0,4 | 0,8 | −1 | 1,2 | −0,6 | $S_3 = 3{,}6$ |
Par exemple, pour $D_3$ et $x = 2$ : $6{,}8 \times 2 + 55{,}6 = 69{,}2$, donc $e_2 = 70 - 69{,}2 = 0{,}8$. Puis $S_3 = 0{,}16 + 0{,}64 + 1 + 1{,}44 + 0{,}36 = 3{,}6$.
$D_3$ donne la plus petite somme : c'est elle qui « colle » le mieux aux points.
La droite donnée par la calculatrice est celle qui rend la somme des carrés des écarts la plus petite possible : on l'appelle droite des moindres carrés.
Propriété · Droite des moindres carrés
Parmi toutes les droites, il en existe une seule qui rend minimale la somme $S = \sum (y_i - ax_i - b)^2$ des carrés des écarts verticaux. C'est la droite de régression de $y$ en $x$ par la méthode des moindres carrés. On obtient ses coefficients $a$ et $b$ avec la calculatrice ou le tableur. Elle passe par le point moyen $G$.
Méthode · Avec la calculatrice
- Saisir les $x_i$ dans la liste 1 et les $y_i$ dans la liste 2 (menu STAT).
- Choisir le calcul de régression linéaire (« RegLin(ax+b) » ou « LinearReg ») sur les listes 1 et 2.
- Relever $a$ et $b$ en les arrondissant comme demandé. La calculatrice affiche aussi souvent un nombre $r$, le coefficient de corrélation : plus $r$ est proche de $1$ ou de $-1$, plus les points sont proches d'une droite.
Attention · Arrondis
On arrondit les coefficients seulement à la fin, avec la précision demandée. Pour une estimation, on utilise l'équation arrondie de l'énoncé.
4. Estimations : interpolation et extrapolation
Une droite d'ajustement $y = ax + b$ permet d'estimer une valeur non observée. Reprenons la droite de Mayer de l'activité 3 : $y = 0{,}625x + 97{,}625$.
Méthode · Estimer $y$ connaissant $x$
Graphiquement : on part de $x_0$ sur l'axe des abscisses, on monte jusqu'à la droite, puis on lit l'ordonnée.
Par le calcul : on remplace $x$ par $x_0$ : $y_0 = a x_0 + b$.
Pour $x_0 = 58$ ans : $y_0 = 0{,}625 \times 58 + 97{,}625 = 133{,}875$, soit une PAS d'environ $134$ mmHg.
Méthode · Estimer $x$ connaissant $y$
Graphiquement : on part de $y_0$ sur l'axe des ordonnées, on va horizontalement jusqu'à la droite, puis on descend lire l'abscisse.
Par le calcul : on résout l'équation $a x + b = y_0$.
Pour $y_0 = 140$ : $0{,}625x + 97{,}625 = 140 \iff 0{,}625x = 42{,}375 \iff x = 67{,}8$, soit environ $68$ ans.
Définition · Interpolation, extrapolation
Si la valeur $x_0$ est située entre la plus petite et la plus grande valeur observée, on parle d'interpolation. Si elle est en dehors de cette plage (une prévision pour une année future, par exemple), on parle d'extrapolation.
Attention · Prudence
Une extrapolation suppose que la tendance observée continue, ce qui n'est jamais garanti. Plus on s'éloigne des données, moins l'estimation est fiable : la droite de l'activité 3 prévoirait une PAS de $160$ mmHg à $100$ ans et de $97{,}6$ mmHg… à la naissance, ce qui n'a aucun sens médical.
5. Ajustement après un changement de variable
Certains nuages ne sont pas alignés mais ont l'allure d'une courbe connue. On transforme alors une des variables pour se ramener à un ajustement affine.
Activité · Une culture bactérienne
Un laboratoire compte les bactéries d'une culture (en milliers par mL) toutes les heures :
| Temps $x_i$ (h) | 0 | 1 | 2 | 3 | 4 | 5 |
|---|---|---|---|---|---|---|
| Bactéries $y_i$ (milliers) | 2 | 3,1 | 4,4 | 6,8 | 10,2 | 15 |
- Représenter le nuage $(x_i\,;\,y_i)$. Un ajustement affine est-il adapté ?
- On pose $z = \log y$ (logarithme décimal, touche log). Calculer les $z_i$ arrondis au millième et représenter le nuage $(x_i\,;\,z_i)$.
- À la calculatrice, déterminer la droite des moindres carrés de $z$ en $x$ (coefficients arrondis au millième). En déduire une expression de $y$ en fonction de $x$, puis estimer le nombre de bactéries au bout de $7$ heures.
- Le nuage se courbe vers le haut : la croissance s'accélère, un ajustement affine ne convient pas.
$x_i$ 0 1 2 3 4 5 $z_i = \log y_i$ 0,301 0,491 0,643 0,833 1,009 1,176 Ces points sont presque alignés.
- La calculatrice donne $z \approx 0{,}175x + 0{,}305$. Comme $z = \log y$, on a $y = 10^z$ : $$y = 10^{0{,}175x + 0{,}305} = 10^{0{,}305} \times \left(10^{0{,}175}\right)^x \approx 2{,}02 \times 1{,}496^x$$ Pour $x = 7$ : $z = 0{,}175 \times 7 + 0{,}305 = 1{,}53$ et $y = 10^{1{,}53} \approx 33{,}9$. On estime environ $33\,900$ bactéries par mL au bout de $7$ heures.
Le nombre de bactéries est multiplié par environ $1{,}5$ chaque heure : c'est une croissance exponentielle. Le logarithme la transforme en relation affine.
Méthode · Ajustement exponentiel
- On pose $z = \log y$ et on calcule les $z_i$.
- Si les points $(x_i\,;\,z_i)$ sont presque alignés, on ajuste : $z = ax + b$.
- On revient à $y$ : $y = 10^{ax + b} = 10^b \times (10^a)^x$, de la forme $y = k \times q^x$.
Méthode · Ajustement par la fonction inverse
Si le nuage $(x\,;\,y)$ décroît comme la courbe d'une fonction inverse, on pose $z = \dfrac{1}{y}$. Si les points $(x_i\,;\,z_i)$ sont presque alignés selon $z = ax + b$, alors :
$$y = \dfrac{1}{ax + b}$$Exemple
Si $z = \dfrac{1}{y}$ est ajusté par $z = 0{,}5x + 0{,}2$, alors pour $x = 6$ : $z = 3{,}2$ et $y = \dfrac{1}{3{,}2} = 0{,}3125$.
6. Corrélation et causalité
Définition · Corrélation
Lorsque les points d'un nuage sont presque alignés, on dit que les variables $x$ et $y$ sont corrélées : elles varient ensemble de façon régulière (dans le même sens si $a \gt 0$, en sens contraire si $a \lt 0$).
Attention · Une corrélation ne prouve pas une causalité
Un lien statistique entre $x$ et $y$ ne signifie pas que $x$ provoque $y$. La corrélation peut venir :
- d'une cause commune : la chaleur fait vendre des ventilateurs et provoque des malaises ;
- d'un effet de taille : plus une ville est grande, plus elle compte de pharmacies… et de malades ;
- du hasard, surtout avec peu de données.
Seules des études expérimentales (essais cliniques, groupes témoins…) permettent d'établir un lien de cause à effet.
7. Statistiques à deux variables avec un tableur
On saisit les $x_i$ dans la plage B2:B9 et les $y_i$ dans la plage C2:C9.
| Calcul | Formule (tableur en français) |
|---|---|
| moyenne $\overline{x}$ | =MOYENNE(B2:B9) |
| moyenne $\overline{y}$ | =MOYENNE(C2:C9) |
| coefficient directeur $a$ (moindres carrés) | =PENTE(C2:C9;B2:B9) |
| ordonnée à l'origine $b$ | =ORDONNEE.ORIGINE(C2:C9;B2:B9) |
| coefficient de corrélation $r$ | =COEFFICIENT.CORRELATION(B2:B9;C2:C9) |
| logarithme décimal de C2 | =LOG10(C2) |
Pour le graphique, on sélectionne les deux colonnes et on choisit un « nuage de points » (sans lignes). Un clic droit sur un point permet d'« ajouter une courbe de tendance » linéaire et d'afficher son équation.
Exemple · Somme des carrés des écarts
Avec $a$ en F1 et $b$ en F2, on écrit en D2 l'ordonnée sur la droite =$F$1*B2+$F$2, en E2 l'écart =C2-D2, puis on recopie vers le bas. La somme des carrés s'obtient avec =SOMME.CARRES(E2:E9). Les références absolues $F$1 et $F$2 restent fixes lors de la recopie.
L'essentiel
- Fréquence conditionnelle : $f_B(A) = \dfrac{n_{A \cap B}}{n_B}$ ; on divise par l'effectif de la population de référence.
- Point moyen : $G(\overline{x}\,;\,\overline{y})$.
- Ajustement affine : au jugé (par $G$), par deux points, par la méthode de Mayer $(G_1G_2)$ ou par les moindres carrés (calculatrice). Toutes ces droites, sauf parfois celle par deux points, passent par $G$.
- Estimations : $y_0 = ax_0 + b$, ou résoudre $ax + b = y_0$ ; l'extrapolation est moins fiable que l'interpolation.
- Changement de variable : $z = \log y$ (croissance exponentielle) ou $z = \dfrac{1}{y}$ (allure de fonction inverse).
- Corrélation n'est pas causalité.
⚠️ Une erreur dans ce cours ? Signalez-la
S'entraîner
Exercices corrigés
🎓 54 exercices corrigés et un quiz vous attendent dans ce chapitre.
Créez votre compte gratuit pour voir les corrections, faire les quiz et suivre votre progression.
Décrire un nuage
★☆☆Un nuage de points « monte » de façon régulière et les points sont presque alignés. Quel ajustement envisager ?
Calculer un point moyen
★☆☆Série : $x$ = 2 ; 4 ; 6 ; 8 et $y$ = 10 ; 14 ; 17 ; 23. Point moyen ?
Vérifier une droite
★☆☆La droite $y = 2{,}1x + 5{,}5$ passe-t-elle par $G(5\,;\,16)$ ?
Droite par deux points moyens
★★☆$G_1(2\,;\,4)$ et $G_2(6\,;\,10)$. Équation de $(G_1G_2)$ ?
Méthode de Mayer
★★★Série : $x$ = 1, 2, 3, 4, 5, 6 et $y$ = 3, 5, 6, 8, 10, 11. Avec deux groupes de trois points, déterminer la droite de Mayer.
Moindres carrés
★★☆On considère la série $x$ = 1, 2, 3, 4, 5, 6 et $y$ = 3, 5, 6, 8, 10, 11. À la calculatrice, sa droite des moindres carrés est $y = 1{,}63x + 1{,}47$. Prévoir $y$ pour $x = 8$ et $x = 20$. Commenter.
Interpoler ou extrapoler
★★☆Les données vont de $x = 1$ à $x = 6$. Estimer $y$ pour $x = 3{,}5$ est-il une interpolation ou une extrapolation ?
Corrélation et causalité
★☆☆Dans une ville, ventes de glaces et coups de soleil augmentent ensemble. Les glaces causent-elles les coups de soleil ?
Lire un ajustement
★★☆La consommation d'une voiture est modélisée par $y = 0{,}05x + 1{,}5$ (L/100 km, $x$ vitesse en km/h). Consommation à $110$ km/h ? À quelle vitesse consomme-t-on $6$ L/100 km ?
Ajustement exponentiel
★★★Série : $x$ = 0, 1, 2, 3 et $y$ = 100, 150, 225, 337,5. Montrer que $y$ est multiplié par un même nombre et proposer un modèle.
Écarts au modèle
★★☆Avec $y = 1{,}63x + 1{,}47$, calculer l'écart entre la valeur observée et la valeur du modèle pour $x = 4$ ($y = 8$).
Lire un nuage
★☆☆La figure ci-dessous représente un nuage de points, son point moyen $G$ et la droite des moindres carrés. Combien de points comporte le nuage ? Où se situe $G$ par rapport à la droite ?
Prévoir une date
★★☆Un effectif est modélisé par $y = 2{,}5x + 40$ ($x$ : rang de l'année, $x = 0$ en 2020). En quelle année dépassera-t-il $80$ ?
Taille et masse
★★☆Dans un groupe d'adultes, la masse (kg) est ajustée par $y = 0{,}9x - 85$, $x$ étant la taille (cm). Estimer la masse d'une personne de $175$ cm.
Avec un tableur
★☆☆Quelle fonction de tableur donne les coefficients de la droite des moindres carrés ?
Point aberrant
★★☆Un point est très éloigné des autres à cause d'une erreur de saisie. Quel effet sur la droite des moindres carrés ? Que faire ?
Vrai ou faux
★★☆a) La droite des moindres carrés passe par $G$. b) Une forte corrélation prouve une relation de cause à effet. c) Une extrapolation lointaine est sûre.
Ajustement et pourcentage
★★☆Un modèle donne $y = 3x + 50$. De quel pourcentage $y$ augmente-t-il entre $x = 0$ et $x = 10$ ?
Utiliser la droite d'ajustement
★☆☆Avec $y = 1{,}2x + 4$, pour quelle valeur de $x$ prévoit-on $y = 10$ ?
Choisir un ajustement
★★☆Les valeurs d'une série sont multipliées par environ $1{,}2$ à chaque rang. Ajustement affine ou exponentiel ?
Tableau croisé aux urgences pédiatriques
★☆☆Pendant un mois d'hiver, le service des urgences pédiatriques d'un hôpital a accueilli $250$ enfants. On a noté le motif de la venue et l'âge de l'enfant :
| Motif | Moins de 2 ans (J) | 2 ans et plus (P) | Total |
|---|---|---|---|
| Bronchiolite (B) | 58 | 12 | |
| Gastro-entérite (E) | 34 | 56 | |
| Traumatisme (T) | 18 | 72 | |
| Total | 250 |
- Compléter le tableau.
- Calculer, en pourcentage arrondi à $0{,}1\,\%$ près, la fréquence conditionnelle $f_J(B)$, puis $f_B(J)$. Traduire chaque résultat par une phrase.
- Calculer $f_P(T)$.
- Quelle est la fréquence des traumatismes parmi l'ensemble des enfants accueillis ?
Aide au sevrage tabagique
★★☆Une enquête porte sur $500$ personnes qui ont essayé d'arrêter de fumer il y a six mois avec un substitut nicotinique. Le tableau indique le résultat obtenu aujourd'hui :
| Substitut | Arrêt total (T) | Diminution (D) |
|---|---|---|
| Patch (P) | 110 | 70 |
| Gomme (G) | 45 | 85 |
| Comprimé (C) | 72 | 38 |
| Spray (S) | 38 | 42 |
Les fréquences seront arrondies à $0{,}000\,1$ près.
- Calculer les fréquences conditionnelles de chaque substitut parmi les personnes qui ont totalement arrêté : $f_T(P)$, $f_T(G)$, $f_T(C)$ et $f_T(S)$.
- Calculer le taux d'arrêt total pour chaque substitut : $f_P(T)$, $f_G(T)$, $f_C(T)$ et $f_S(T)$.
- Un pharmacien affirme que « le patch est le substitut le plus efficace puisque c'est le plus fréquent parmi les personnes qui ont arrêté ». Qu'en penser ?
Retrouver des effectifs dans un centre de rééducation
★★☆Un centre de rééducation a enregistré $600$ séjours l'an dernier. Les trois cinquièmes concernent la rééducation orthopédique (O), les autres la rééducation neurologique (N). Un séjour est court (C) s'il dure moins de trois semaines, long (L) sinon. On sait que $f_O(C) = 70\,\%$ et $f_N(L) = 80\,\%$.
- Traduire les deux fréquences conditionnelles par une phrase.
- Recopier et compléter le tableau d'effectifs.
| Court (C) | Long (L) | Total | |
|---|---|---|---|
| Orthopédie (O) | |||
| Neurologie (N) | |||
| Total | 600 |
- Quelle est la fréquence des séjours longs ? Parmi les séjours longs, quelle est la proportion de séjours en neurologie ?
Lire des diagrammes circulaires
★★☆On a interrogé $600$ personnes sur l'obligation vaccinale des personnels de santé : $420$ y sont favorables, $150$ y sont opposées et les autres sont sans opinion. Les diagrammes ci-dessous indiquent la part des soignants parmi les favorables et parmi les opposés. Parmi les personnes sans opinion, $10$ sont soignantes.
- Recopier et compléter le tableau d'effectifs.
| Favorable | Opposé | Sans opinion | Total | |
|---|---|---|---|---|
| Soignant | 10 | |||
| Non-soignant | ||||
| Total | 420 | 150 | 600 |
- Calculer, en pourcentage arrondi à $0{,}1\,\%$, la proportion de favorables parmi les soignants, puis parmi les non-soignants.
- Les soignants sont-ils plus favorables que les autres à cette obligation ?
Deux cliniques comparées
★★★Deux cliniques A et B pratiquent la même intervention chirurgicale. On classe les opérations en « simples » et « complexes » et on compte les opérations réussies :
| Simples : réussies / total | Complexes : réussies / total | |
|---|---|---|
| Clinique A | 190 / 200 | 60 / 100 |
| Clinique B | 280 / 300 | 55 / 100 |
- Calculer le taux de réussite de chaque clinique pour les opérations simples, puis pour les opérations complexes (en %, arrondi à $0{,}1$).
- Calculer le taux de réussite global de chaque clinique.
- Un patient veut choisir la clinique « qui réussit le mieux ». Expliquer le paradoxe et conseiller ce patient.
Lire les coordonnées sur un nuage
★☆☆Le graphique donne la durée moyenne de sommeil quotidien $y$ (en heures) d'enfants selon leur âge $x$ (en années).
- Dresser le tableau des données de cette série.
- Calculer les coordonnées du point moyen $G$.
Représenter un nuage et son point moyen
★☆☆Un médecin du sport relève, pour six patients, le nombre moyen de pas effectués chaque jour $x$ (en milliers) et la fréquence cardiaque au repos $y$ (en battements par minute) :
| Pas $x_i$ (milliers) | 2 | 4 | 6 | 8 | 10 | 12 |
|---|---|---|---|---|---|---|
| FC $y_i$ (bpm) | 78 | 75 | 72 | 70 | 66 | 65 |
- Représenter le nuage de points (axe des ordonnées commençant à $62$).
- Calculer les coordonnées du point moyen $G$ et le placer.
- Décrire la tendance observée.
Point moyen à la calculatrice
★☆☆Une infirmière scolaire relève, pour sept élèves, le temps moyen passé chaque jour devant un écran $x$ (en heures) et la durée de sommeil $y$ (en heures) :
| Écran $x_i$ (h) | 1.5 | 2 | 3 | 3.5 | 4 | 5 | 6 |
|---|---|---|---|---|---|---|---|
| Sommeil $y_i$ (h) | 9,6 | 9,4 | 9 | 8,7 | 8,6 | 8,1 | 7,6 |
À l'aide de la calculatrice, déterminer les coordonnées du point moyen $G$, arrondies au centième.
Retrouver une valeur manquante
★★☆a. Une série comporte cinq couples : $x$ : $1$ ; $2$ ; $3$ ; $4$ ; $5$ et $y$ : $12$ ; $15$ ; $k$ ; $21$ ; $26$. Son point moyen est $G(3\,;\,18)$. Calculer $k$.
b. Une autre série a pour abscisses $2$ ; $5$ ; $m$ ; $9$ et son point moyen a pour abscisse $6$. Calculer $m$.
Formes de nuages
★☆☆Pour chacun des nuages ci-dessous, dire si un ajustement affine paraît envisageable. Justifier.
Espérance de vie à 60 ans
★★☆Dans une région, l'espérance de vie des femmes âgées de $60$ ans a évolué ainsi ($x = 1$ correspond à 2015) :
| Rang $x_i$ | 1 | 2 | 3 | 4 | 5 | 6 | 7 | 8 |
|---|---|---|---|---|---|---|---|---|
| Espérance de vie $y_i$ (années) | 27,1 | 27,3 | 27,4 | 27,5 | 27,7 | 27,8 | 27,9 | 28,1 |
- Donner les plus petites et plus grandes valeurs de $x$ et de $y$. En déduire un choix d'axes adapté.
- Représenter le nuage et calculer le point moyen $G$.
- Jusqu'à quel âge une femme de $60$ ans pouvait-elle espérer vivre en 2022 ?
Droite passant par deux points du nuage
★★☆Le tableau donne le taux de couverture vaccinale (en %) des enfants de $2$ ans pour le vaccin rougeole-oreillons-rubéole (deux doses) dans un département ($x = 1$ en 2017) :
| Rang $x_i$ | 1 | 2 | 3 | 4 | 5 | 6 |
|---|---|---|---|---|---|---|
| Couverture $y_i$ (%) | 78,4 | 79,6 | 80,3 | 81,5 | 82,6 | 83,7 |
- Calculer les coordonnées du point moyen $G$ (ordonnée arrondie au centième).
- On ajuste le nuage par la droite passant par $M_2(2\,;\,79{,}6)$ et $M_5(5\,;\,82{,}6)$. Déterminer son équation. Passe-t-elle par $G$ ?
- Estimer la couverture vaccinale en 2024, graphiquement puis par le calcul.
- Selon ce modèle, en quelle année la couverture dépasserait-elle $90\,\%$ ? Commenter.
Ajustement au jugé par le point moyen
★★☆Le nombre de médecins généralistes installés dans un canton rural évolue ainsi ($x = 0$ en 2018) :
| Rang $x_i$ | 0 | 1 | 2 | 3 | 4 | 5 |
|---|---|---|---|---|---|---|
| Médecins $y_i$ | 48 | 47 | 45 | 42 | 41 | 38 |
- Représenter le nuage. Un ajustement affine est-il envisageable ?
- Calculer le point moyen $G$.
- Un élève trace au jugé la droite passant par $G$ et de coefficient directeur $-2$. Déterminer son équation et la tracer.
- Estimer le nombre de médecins en 2026 si la tendance se poursuit.
Mayer pas à pas
★★☆La durée moyenne de séjour dans un hôpital (en jours) a évolué ainsi ($x = 1$ en 2016) :
| Rang $x_i$ | 1 | 2 | 3 | 4 | 5 | 6 | 7 | 8 |
|---|---|---|---|---|---|---|---|---|
| Durée $y_i$ (jours) | 6,4 | 6,2 | 6,1 | 5,9 | 5,8 | 5,6 | 5,5 | 5,3 |
- Calculer les coordonnées du point moyen $G_1$ des quatre premiers points, puis celles du point moyen $G_2$ des quatre derniers.
- Déterminer l'équation réduite de la droite $(G_1G_2)$.
- Vérifier que le point moyen $G$ du nuage appartient à cette droite.
- Estimer la durée moyenne de séjour en 2025. En quelle année passerait-elle sous $4{,}5$ jours ?
Mayer avec un nombre impair de points
★★★Le nombre annuel de naissances dans une maternité (en centaines) est donné ci-dessous ($x = 1$ en 2017) :
| Rang $x_i$ | 1 | 2 | 3 | 4 | 5 | 6 | 7 |
|---|---|---|---|---|---|---|---|
| Naissances $y_i$ (centaines) | 21,4 | 20,9 | 20,1 | 19,8 | 19 | 18,7 | 18,1 |
Le nuage comporte $7$ points : on forme un premier groupe avec les $3$ premiers points et un second groupe avec les $4$ derniers.
- Calculer les points moyens $G_1$ et $G_2$ des deux groupes.
- Déterminer l'équation de $(G_1G_2)$ (coefficients arrondis au millième).
- Calculer le point moyen $G$ du nuage et vérifier qu'il appartient à $(G_1G_2)$.
- Estimer le nombre de naissances en 2025.
Moindres carrés à la calculatrice
★★☆Dans un programme d'activité physique adaptée, on a relevé la glycémie à jeun $y$ (en g/L) de patients diabétiques selon le nombre $x$ de séances hebdomadaires suivies :
| Séances $x_i$ | 0 | 1 | 2 | 3 | 4 | 5 |
|---|---|---|---|---|---|---|
| Glycémie $y_i$ (g/L) | 1,42 | 1,36 | 1,31 | 1,27 | 1,2 | 1,16 |
- À la calculatrice, déterminer une équation de la droite des moindres carrés (coefficients arrondis au millième) et le coefficient de corrélation $r$ (arrondi au millième).
- Interpréter le coefficient directeur.
- On considère qu'une glycémie à jeun de $1{,}26$ g/L ou plus caractérise un diabète. À partir de combien de séances par semaine le modèle prévoit-il une glycémie inférieure à ce seuil ?
Comparer trois ajustements
★★★Après une injection, on mesure toutes les heures la quantité $q$ (en mg) d'un médicament présente dans le sang d'un patient :
| Temps $t_i$ (h) | 0 | 1 | 2 | 3 | 4 | 5 | 6 |
|---|---|---|---|---|---|---|---|
| Quantité $q_i$ (mg) | 12 | 10,6 | 9,5 | 8,1 | 6,9 | 5,6 | 4,4 |
On compare trois droites : $D_1$ : $q = -1{,}25t + 11{,}9$ ; $D_2$ : $q = -1{,}3t + 12{,}1$ ; $D_3$ : $q = -1{,}26t + 11{,}95$.
- Pour chaque droite, calculer les écarts $e_i = q_i - (at_i + b)$, puis la somme $S$ de leurs carrés.
- Quelle droite réalise le meilleur ajustement au sens des moindres carrés ? D'où peut-elle venir ?
- Avec cette droite, estimer au bout de combien de temps il restera moins de $2$ mg de médicament.
Déterminer l'ordonnée à l'origine
★☆☆Une personne suit un régime et se pèse chaque semaine :
| Semaine $x_i$ | 1 | 2 | 3 | 4 | 5 | 6 | 7 | 8 |
|---|---|---|---|---|---|---|---|---|
| Masse $y_i$ (kg) | 84 | 83,5 | 82,9 | 82,6 | 82,1 | 81,4 | 81,2 | 80,7 |
- Calculer le point moyen $G$.
- La droite $D$ d'équation $y = -0{,}46x + p$ passe par $G$. Calculer $p$.
- Selon ce modèle, quelle masse aura la personne à la fin de la 10ᵉ semaine ? À partir de quelle semaine pèsera-t-elle moins de $79$ kg ?
Interpréter les coefficients
★★☆Pour des adultes de $20$ à $80$ ans, une caisse d'assurance maladie modélise la dépense annuelle moyenne de soins $y$ (en euros) en fonction de l'âge $x$ (en années) par : $y = 38x + 450$.
- Estimer la dépense moyenne d'une personne de $50$ ans.
- Que représente le nombre $38$ ?
- Quelle différence de dépense le modèle prévoit-il entre une personne de $30$ ans et une personne de $70$ ans ?
- Le nombre $450$ correspondrait à la dépense d'un nouveau-né. Est-ce raisonnable ?
Lecture graphique d'une estimation
★☆☆Un centre de formation a relevé la durée de formation aux gestes de premiers secours $x$ (en heures) et le score obtenu à un test pratique $y$ (sur $100$). Le nuage et une droite d'ajustement d'équation $y = 4x + 30$ sont représentés ci-dessous.
- Estimer graphiquement le score attendu après $12$ heures de formation.
- Estimer graphiquement la durée de formation nécessaire pour obtenir un score de $90$.
- Retrouver ces résultats par le calcul.
Estimer par le calcul
★☆☆Dans une région, le pourcentage de fumeurs quotidiens chez les 18-24 ans est modélisé par $y = -0{,}9x + 31$, où $x$ est le rang de l'année ($x = 0$ en 2015).
- Quel pourcentage le modèle prévoit-il pour 2030 ?
- À partir de quelle année ce pourcentage deviendrait-il inférieur à $20\,\%$ ?
Fiabilité d'une extrapolation
★★☆Pour des enfants de $2$ à $10$ ans, la taille moyenne $y$ (en cm) est bien ajustée par $y = 6x + 76$, où $x$ est l'âge en années.
- Estimer la taille moyenne à $7$ ans. S'agit-il d'une interpolation ou d'une extrapolation ?
- Utiliser le modèle pour $x = 25$ ans, puis pour $x = 0$ (la naissance). Commenter.
Chauffage d'un EHPAD
★★☆Le gestionnaire d'un EHPAD a relevé, sur six semaines d'hiver, la température extérieure moyenne $x$ (en °C) et la consommation de gaz $y$ (en MWh) :
| Température $x_i$ (°C) | 0 | 2 | 4 | 5 | 7 | 9 |
|---|---|---|---|---|---|---|
| Consommation $y_i$ (MWh) | 31 | 28,4 | 25,3 | 24,1 | 21,2 | 18,4 |
- À la calculatrice, déterminer la droite des moindres carrés (coefficients arrondis au centième).
- Estimer la consommation pour une semaine à $3$ °C, puis la température correspondant à une consommation de $20$ MWh. Vérifier graphiquement.
- Le modèle permet-il d'estimer la consommation d'une semaine à $-5$ °C ?
Fréquentation d'une PMI
★★☆Un centre de protection maternelle et infantile (PMI) compte, sur sept semaines, le nombre d'enfants reçus le lundi ($x$) et le vendredi ($y$) :
| Semaine | 1 | 2 | 3 | 4 | 5 | 6 | 7 |
|---|---|---|---|---|---|---|---|
| Lundi $x_i$ | 42 | 37 | 45 | 40 | 39 | 44 | 47 |
| Vendredi $y_i$ | 61 | 55 | 66 | 58 | 57 | 64 | 69 |
- Calculer le point moyen $G$ (ordonnée arrondie au centième).
- À la calculatrice, déterminer la droite des moindres carrés (coefficients au centième).
- Estimer le nombre d'enfants le vendredi d'une semaine où $50$ enfants sont venus le lundi, puis le nombre d'enfants le lundi si $60$ enfants sont attendus le vendredi.
Ajustement exponentiel d'une épidémie
★★★Au début d'une épidémie de grippe, une agence régionale de santé relève le nombre de nouveaux cas $y$ chaque jour $x$ :
| Jour $x_i$ | 0 | 1 | 2 | 3 | 4 | 5 | 6 |
|---|---|---|---|---|---|---|---|
| Cas $y_i$ | 120 | 170 | 250 | 350 | 520 | 740 | 1080 |
- Pourquoi un ajustement affine de $y$ en $x$ n'est-il pas adapté ?
- On pose $z = \log y$. Calculer les $z_i$ (arrondis au millième) et représenter le nuage $(x_i\,;\,z_i)$.
- À la calculatrice, déterminer la droite des moindres carrés de $z$ en $x$ (coefficients au millième).
- En déduire $y$ sous la forme $y = k \times q^x$ ($k$ arrondi au dixième, $q$ au millième). Interpréter $q$.
- Estimer le nombre de cas le jour $8$, puis le premier jour où il dépasserait $5\,000$.
Ajustement par la fonction inverse
★★★Lors d'un essai d'antibiotique, on suit une population bactérienne $y$ (en millions) au cours du temps $x$ (en heures) :
| Temps $x_i$ (h) | 0.5 | 1 | 2 | 3 | 4 | 5 |
|---|---|---|---|---|---|---|
| Population $y_i$ (millions) | 2 | 1,1 | 0,58 | 0,4 | 0,3 | 0,24 |
- Le nuage $(x_i\,;\,y_i)$ ressemble à quelle courbe de référence ?
- On pose $z = \dfrac{1}{y}$. Calculer les $z_i$ (au millième) et représenter le nuage $(x_i\,;\,z_i)$.
- À la calculatrice, déterminer la droite des moindres carrés de $z$ en $x$ (coefficients au centième).
- En déduire $y$ en fonction de $x$, puis estimer la population au bout de $10$ heures.
- Au bout de combien de temps la population passerait-elle sous $100\,000$ bactéries ?
Courbe d'étalonnage en biochimie
★★☆Pour doser le glucose sanguin, un laboratoire mesure l'absorbance $y$ de solutions étalons de concentration $x$ connue (en g/L) :
| Concentration $x_i$ (g/L) | 0 | 0.5 | 1 | 1.5 | 2 | 2.5 |
|---|---|---|---|---|---|---|
| Absorbance $y_i$ | 0 | 0,12 | 0,25 | 0,36 | 0,49 | 0,61 |
- À la calculatrice, déterminer la droite des moindres carrés (coefficients au millième).
- L'échantillon d'un patient à jeun a une absorbance de $0{,}31$. Estimer sa glycémie, graphiquement puis par le calcul.
- Une glycémie à jeun normale est comprise entre $0{,}70$ et $1{,}10$ g/L. Que conclure ? Pourquoi cette estimation est-elle fiable ?
Une corrélation trompeuse
★☆☆Une ville a relevé, sur six mois, les ventes de bouteilles d'eau dans ses supermarchés (en milliers) et le nombre de passages aux urgences pour malaise :
- Décrire la forme du nuage. Un ajustement affine est-il envisageable ?
- Un conseiller municipal propose de limiter la vente d'eau pour réduire les malaises. Qu'en penser ?
Cause commune ou causalité ?
★★☆Pour chaque situation, dire si la corrélation observée traduit un lien de cause à effet. Justifier.
- Dans les communes françaises, le nombre de pharmacies et le nombre de décès annuels sont fortement corrélés.
- Lors d'incendies, plus il y a de pompiers mobilisés, plus les dégâts sont importants.
- De nombreuses études, dont des suivis de cohortes sur des dizaines d'années, montrent que le risque de cancer du poumon augmente avec le nombre de cigarettes fumées.
Problème : IMC et tour de taille
★★★Lors d'une consultation de prévention, on relève l'indice de masse corporelle (IMC) $x$ et le tour de taille $y$ (en cm) de huit hommes adultes :
| IMC $x_i$ | 19 | 21 | 22.5 | 24 | 26 | 27.5 | 29 | 32 |
|---|---|---|---|---|---|---|---|---|
| Tour de taille $y_i$ (cm) | 70 | 76 | 79 | 84 | 89 | 93 | 97 | 106 |
Partie A
- Représenter le nuage (axes commençant à $18$ et $65$). Un ajustement affine est-il envisageable ?
- Calculer les coordonnées du point moyen $G$ (abscisse arrondie au centième).
Partie B
- À la calculatrice, déterminer la droite des moindres carrés (coefficients au centième) et le coefficient $r$.
- Estimer le tour de taille d'un homme dont l'IMC vaut $30$.
- Chez l'homme, un tour de taille supérieur à $94$ cm signale un risque cardiovasculaire accru. À partir de quel IMC le modèle prévoit-il ce dépassement ?
Problème : dépenses de santé par habitant
★★★Le tableau donne la dépense de santé moyenne par habitant (en euros) dans une région ($x = 1$ en 2015) :
| Rang $x_i$ | 1 | 2 | 3 | 4 | 5 | 6 | 7 | 8 |
|---|---|---|---|---|---|---|---|---|
| Dépense $y_i$ (€) | 2940 | 3000 | 3070 | 3120 | 3190 | 3240 | 3310 | 3370 |
- Calculer le pourcentage d'évolution de la dépense entre 2015 et 2022 (au dixième), puis le taux d'évolution annuel moyen (au centième de pourcent).
- Déterminer la droite de Mayer en séparant le nuage en deux groupes de quatre points.
- Estimer la dépense par habitant en 2025.
- En quelle année la dépense dépasserait-elle $3\,600$ € ? Vérifier graphiquement.
Problème : âge moyen des mères à la naissance
★★★L'âge moyen des mères à la naissance de leur enfant (en années) a évolué ainsi dans un pays ($x = 1$ en 2016) :
| Rang $x_i$ | 1 | 2 | 3 | 4 | 5 | 6 | 7 |
|---|---|---|---|---|---|---|---|
| Âge moyen $y_i$ | 29,8 | 29,9 | 30,1 | 30,2 | 30,4 | 30,5 | 30,7 |
- Calculer le point moyen $G$ (ordonnée au centième).
- À la calculatrice, déterminer la droite des moindres carrés (coefficients au centième). Vérifier qu'elle passe (aux arrondis près) par $G$.
- Estimer l'âge moyen des mères en 2025.
- En quelle année l'âge moyen atteindrait-il $31{,}5$ ans ? Contrôler graphiquement.
Problème : vaccination antigrippale des soignants
★★★Le taux de vaccination contre la grippe des professionnels de santé d'un groupe hospitalier (en %) a évolué ainsi ($x = 1$ pour la saison 2016) :
| Rang $x_i$ | 1 | 2 | 3 | 4 | 5 | 6 | 7 | 8 |
|---|---|---|---|---|---|---|---|---|
| Taux $y_i$ (%) | 25,6 | 28,1 | 30,4 | 33,2 | 35 | 38,1 | 40,2 | 42,6 |
- Calculer le pourcentage d'évolution du taux entre les rangs $1$ et $8$ (au dixième).
- Déterminer le point moyen $G$, puis la droite des moindres carrés à la calculatrice (coefficients au centième).
- Estimer le taux de vaccination pour la saison 2024.
- La direction vise un taux de $60\,\%$. Selon le modèle, pour quelle saison serait-il atteint ? Ce résultat est-il fiable ?
Problème : feuille de calcul d'un laboratoire
★★★Un laboratoire teste un antihypertenseur. Pour six doses $x$ (en mg), il mesure la baisse moyenne de pression artérielle $y$ (en mmHg). Les données sont saisies dans un tableur :
| A | B | C | |
|---|---|---|---|
| 1 | Essai | Dose x (mg) | Baisse y (mmHg) |
| 2 | 1 | 5 | 4 |
| 3 | 2 | 10 | 7 |
| 4 | 3 | 15 | 11 |
| 5 | 4 | 20 | 13 |
| 6 | 5 | 25 | 17 |
| 7 | 6 | 30 | 19 |
- Quelle formule saisir en B8 pour obtenir $\overline{x}$ ? en C8 pour $\overline{y}$ ? Donner les valeurs affichées (au centième).
- En F1, on saisit
=PENTE(C2:C7;B2:B7)et en F2=ORDONNEE.ORIGINE(C2:C7;B2:B7). Quelles valeurs s'affichent (au millième) ? Que représentent-elles ? - Quelle dose permettrait d'obtenir une baisse de $15$ mmHg ?
- Peut-on utiliser le modèle pour une dose de $40$ mg ?
Vérifier
Avez-vous bien compris ?
Répondez au quiz : la correction s'affiche immédiatement.