Statistiques et ajustement de séries de données

Nuage de points, ajustement affine, somme des carrés des écarts, interpolation, extrapolation et changement de variable : le cours complet pour la Terminale STI2D avec exemples résolus et exercices corrigés.

Environ 50 minutes

  • Représenter une série statistique à deux variables quantitatives par un nuage de points.
  • Comparer deux modèles affines candidats grâce à la somme des carrés des écarts.
  • Utiliser un ajustement pour interpoler et extrapoler, en sachant critiquer une extrapolation.
  • Exploiter un changement de variable donné pour conjecturer une relation affine.
Sommaire
  1. Séries à deux variables et nuage de points
  2. Ajustement affine et somme des carrés des écarts
  3. Interpolation et extrapolation
  4. Changement de variable pour conjecturer une linéarité
  5. Erreurs fréquentes et bilan
  6. Au bac : comment rédiger

Un capteur relève des mesures, un tableur les affiche : comment passer d'une liste de nombres à une loi exploitable pour prévoir ?

En sciences et en technologie, on mesure souvent deux grandeurs en même temps : une tension et un courant, une durée et une température, une charge et un allongement. Les couples de valeurs obtenus forment une série statistique à deux variables. Ce chapitre apprend à représenter cette série par un nuage de points, à chercher une droite qui décrit le mieux possible la tendance observée, à mesurer la qualité de cette droite grâce à la somme des carrés des écarts, puis à l'utiliser pour prévoir une valeur. On verra aussi qu'un changement de variable bien choisi permet parfois de ramener un nuage courbe à un nuage aligné, et surtout qu'une prévision hors de la zone mesurée doit toujours être regardée avec méfiance.

Séries à deux variables et nuage de points

Une série statistique à deux variables quantitatives est une liste de couples (x_i ; y_i). La variable x est souvent celle que l'on contrôle ou que l'on choisit (le temps, une tension imposée), la variable y est celle que l'on mesure. Dans un repère, chaque couple devient un point : l'ensemble de ces points s'appelle le nuage de points. C'est la première chose à tracer, car l'allure du nuage guide tout le reste : si les points semblent alignés, un ajustement affine est raisonnable ; s'ils dessinent une courbe, il faudra d'abord transformer les données.

Vocabulaire

Série statistique à deux variables :
Ensemble de n couples (x_i ; y_i) où x_i et y_i sont des valeurs numériques mesurées ou relevées ensemble.
Nuage de points :
Représentation graphique de la série : chaque couple (x_i ; y_i) est placé comme un point du plan.
Ajustement affine :
Choix d'une droite d'équation y = ax + b destinée à résumer la tendance du nuage.
Écart (ou résidu) :
Pour un point du nuage, différence y_i − (a x_i + b) entre la valeur mesurée et la valeur donnée par le modèle.
Somme des carrés des écarts :
Nombre S obtenu en additionnant les carrés de tous les écarts ; plus S est petit, mieux la droite colle aux points.
Interpolation :
Utilisation du modèle pour estimer y à une valeur de x située entre la plus petite et la plus grande valeur mesurée.
Extrapolation :
Utilisation du modèle pour une valeur de x située en dehors de la plage mesurée ; prévision incertaine.
Changement de variable :
Remplacement de x (ou de y) par une nouvelle grandeur, par exemple u = 1/x, pour obtenir un nuage proche d'une droite.
Le nuage de quatre points reste proche de la droite y = 2x, sans être parfaitement aligné.

Prenons la série suivante, qui servira de fil conducteur : x = 1, 2, 3, 4 et y = 2,1 ; 3,9 ; 6,1 ; 7,9. Les quatre points (1 ; 2,1), (2 ; 3,9), (3 ; 6,1) et (4 ; 7,9) semblent presque alignés : quand x augmente de 1, y augmente d'environ 2. On a donc envie de proposer une droite de pente proche de 2. Mais « avoir envie » ne suffit pas : il faut un critère numérique pour comparer plusieurs droites possibles.

Ajustement affine et somme des carrés des écarts

Pour juger une droite candidate y = ax + b, on calcule pour chaque point l'écart entre la valeur mesurée y_i et la valeur prédite a x_i + b. Certains écarts sont positifs, d'autres négatifs ; si on les additionnait directement, ils pourraient se compenser et donner zéro pour une droite pourtant mauvaise. C'est pourquoi on élève chaque écart au carré avant d'additionner : on obtient la somme des carrés des écarts, notée S. La méthode des moindres carrés consiste à retenir la droite pour laquelle S est la plus petite possible. En Terminale STI2D, on ne démontre pas de formule générale : on compare des modèles candidats fournis par l'énoncé ou par la calculatrice, et on garde celui dont la somme S est la plus faible.

Exemple résolu

Avec la série x = 1, 2, 3, 4 et y = 2,1 ; 3,9 ; 6,1 ; 7,9, on propose deux modèles : D1 : y = 2x et D2 : y = 2x + 0,2. Calculer la somme des carrés des écarts pour chaque modèle et dire lequel ajuste le mieux la série.

  1. Étape 1 : Modèle D1 : les valeurs prédites sont 2, 4, 6, 8.
  2. Étape 2 : Écarts pour D1 : 2,1 − 2 = 0,1 ; 3,9 − 4 = −0,1 ; 6,1 − 6 = 0,1 ; 7,9 − 8 = −0,1.
  3. Étape 3 : Carrés : 0,01 ; 0,01 ; 0,01 ; 0,01. Somme S1 = 0,04.
  4. Étape 4 : Modèle D2 : les valeurs prédites sont 2,2 ; 4,2 ; 6,2 ; 8,2.
  5. Étape 5 : Écarts pour D2 : −0,1 ; −0,3 ; −0,1 ; −0,3.
  6. Étape 6 : Carrés : 0,01 ; 0,09 ; 0,01 ; 0,09. Somme S2 = 0,20.

Résultat : S1 = 0,04 est plus petit que S2 = 0,20 : la droite y = 2x ajuste mieux la série que la droite y = 2x + 0,2. Parmi ces deux droites candidates, on retient donc y = 2x. Remarque : la droite des moindres carrés est très voisine, y ≈ 1,96x + 0,1, dont la somme des carrés vaut environ 0,032 ; le modèle simple y = 2x reste une excellente approximation.

Piège à éviter : Ne pas oublier d'élever au carré : pour D1, la somme des écarts bruts vaut 0,1 − 0,1 + 0,1 − 0,1 = 0, ce qui ne signifie absolument pas que la droite passe par tous les points.

À toi d'essayer

Toujours avec la série x = 1, 2, 3, 4 et y = 2,1 ; 3,9 ; 6,1 ; 7,9, calculer la somme des carrés des écarts pour la droite D3 : y = 2x − 0,2. Est-elle meilleure que y = 2x ?

Voir la réponse

Valeurs prédites : 1,8 ; 3,8 ; 5,8 ; 7,8. Écarts : 0,3 ; 0,1 ; 0,3 ; 0,1. Carrés : 0,09 ; 0,01 ; 0,09 ; 0,01. Somme S3 = 0,20. Comme 0,20 est supérieur à 0,04, la droite y = 2x reste la meilleure des trois.

Interpolation et extrapolation

Une fois le modèle retenu, on s'en sert pour estimer y à des valeurs de x non mesurées. Si cette valeur de x est comprise entre la plus petite et la plus grande valeur du tableau, on parle d'interpolation : l'estimation reste dans la plage mesurée, ce qui facilite sa vérification, sans garantir sa justesse. Si x est en dehors de cette plage, on parle d'extrapolation : le calcul est le même, mais rien ne garantit que le phénomène continue à suivre la même loi. Un composant peut saturer, chauffer, casser ; une population peut atteindre une limite. L'extrapolation est donc une hypothèse à présenter comme telle, jamais une certitude.

Exemple résolu

On a retenu le modèle y = 2x pour la série précédente, où x varie de 1 à 4. Estimer y pour x = 2,5 puis pour x = 10. Commenter la fiabilité de chaque estimation.

  1. Étape 1 : Pour x = 2,5 : y = 2 × 2,5 = 5.
  2. Étape 2 : La valeur 2,5 est comprise entre 1 et 4, donc il s'agit d'une interpolation.
  3. Étape 3 : Pour x = 10 : y = 2 × 10 = 20.
  4. Étape 4 : La valeur 10 est largement au-delà de 4, donc il s'agit d'une extrapolation.

Résultat : L'estimation y = 5 pour x = 2,5 est une interpolation, cohérente avec les mesures voisines (3,9 pour x = 2 et 6,1 pour x = 3) : elle reste plausible, sans être certaine. L'estimation y = 20 pour x = 10 est une extrapolation à plus du double de la plage mesurée : elle n'est valable que si l'on admet que la relation reste affine, ce que les données ne permettent pas de vérifier. On l'énonce avec réserve.

Piège à éviter : Écrire « y = 20 » sans commentaire est une réponse incomplète. Au bac, la critique de l'extrapolation fait partie de la réponse attendue.

Changement de variable pour conjecturer une linéarité

Quand le nuage n'est pas aligné, l'énoncé propose souvent une nouvelle variable, par exemple u = 1/t, u = t², u = racine de t ou u = log(y). On calcule la nouvelle colonne du tableau, on trace le nuage des points (u_i ; y_i) et, si celui-ci semble aligné, on ajuste y en fonction de u par une droite. Pour prévoir, on calcule d'abord u à partir de t, puis y à partir de u. Le changement de variable est toujours donné par l'énoncé : on ne vous demande pas de le deviner, mais de l'exploiter correctement.

Avec u = 1/t, les quatre points sont alignés sur y = 2 + 6u.

Exemple résolu

On mesure une grandeur y à différents instants t : pour t = 1, 2, 3, 6 on obtient y = 8, 5, 4, 3. Le nuage (t ; y) n'est pas aligné. On pose u = 1/t. Compléter le tableau, vérifier que le modèle y = 2 + 6u convient, puis estimer y pour t = 4.

  1. Étape 1 : Calcul de u : pour t = 1, u = 1 ; pour t = 2, u = 0,5 ; pour t = 3, u = 1/3 ; pour t = 6, u = 1/6.
  2. Étape 2 : Vérification du modèle : 2 + 6 × 1 = 8 ; 2 + 6 × 0,5 = 5 ; 2 + 6 × 1/3 = 4 ; 2 + 6 × 1/6 = 3.
  3. Étape 3 : Tous les écarts sont nuls : la somme des carrés des écarts vaut 0, le modèle décrit exactement les données.
  4. Étape 4 : Pour t = 4 : u = 1/4 = 0,25, puis y = 2 + 6 × 0,25 = 2 + 1,5 = 3,5.

Résultat : Après changement de variable u = 1/t, les points (u ; y) sont alignés sur la droite y = 2 + 6u. Pour t = 4, on obtient y = 3,5. Comme t = 4 est compris entre 1 et 6, c'est une interpolation, donc une estimation à vérifier avec les mesures voisines.

Piège à éviter : Ne pas remplacer directement t par 4 dans y = 2 + 6u : on obtiendrait 26, valeur absurde. Il faut passer par u = 1/4.

À toi d'essayer

Avec le modèle y = 2 + 6u et u = 1/t, estimer y pour t = 12. S'agit-il d'une interpolation ou d'une extrapolation ?

Correction détaillée pas à pasDans ce chapitre : 2 corrections détaillées.

Erreurs fréquentes et bilan

Erreurs fréquentes : additionner les écarts signés au lieu de leurs carrés, confondre pente et ordonnée à l'origine, ou croire qu'un petit écart sur quelques points prouve une loi. Vérifier les unités et distinguer toute extrapolation des valeurs observées.

Ce qu'il faut savoir faire

NotionCe qu'il faut fairePoint de vigilance
Nuage de pointsPlacer les couples (x_i ; y_i) dans un repère et observer l'allureNe pas relier les points entre eux
Somme des carrés des écartsCalculer prédit, écart, carré, somme pour chaque modèleÉlever au carré avant d'additionner
Comparaison de modèlesRetenir le modèle dont S est la plus petiteUn S faible ne prouve pas que la loi est affine
InterpolationUtiliser le modèle entre les valeurs extrêmes mesuréesVérifier que x est bien dans la plage
ExtrapolationCalculer puis commenter la fiabilitéToujours exprimer une réserve
Changement de variableCalculer u, ajuster y en fonction de u, repasser par u pour prévoirNe jamais remplacer t directement dans la droite en u

À toi d'essayer

Le volume d'un réservoir vaut 80, 70, 60 puis 50 litres aux heures 0, 1, 2 et 3. Un modèle affine y = 80 − 10x est proposé. Quelqu'un annonce un volume de −20 litres à l'heure 10. Analyse ce résultat et précise la limite physique du modèle.

Correction détaillée pas à pasDans ce chapitre : 2 corrections détaillées.

Au bac : comment rédiger

Rédiger un exercice d'ajustement

  1. Lire tout l'énoncé pour repérer la plage des valeurs de x et le changement de variable éventuel.
  2. Si un tableau est à compléter (colonne u), le faire avec des valeurs exactes ou arrondies comme demandé.
  3. Présenter les calculs de S dans un tableau à quatre lignes : valeur mesurée, valeur prédite, écart, carré ; puis la somme.
  4. Conclure par une phrase qui compare les sommes et nomme le modèle retenu.
  5. Pour toute prévision, écrire le calcul, préciser interpolation ou extrapolation, et commenter la fiabilité.
  6. Relire : signes, carrés, unités, phrase de conclusion.

À retenir

  • Une série à deux variables se représente par un nuage de points ; son allure indique si un ajustement affine est raisonnable.
  • La qualité d'une droite candidate se mesure par la somme des carrés des écarts S ; on retient le modèle dont S est la plus petite.
  • Les écarts doivent être élevés au carré avant d'être additionnés, sinon ils se compensent.
  • Interpoler, c'est prévoir dans la plage mesurée, avec un modèle qui reste à contrôler ; extrapoler, c'est prévoir en dehors, ce qui demande de justifier le prolongement.
  • Un changement de variable donné (par exemple u = 1/t) peut rendre le nuage aligné ; pour prévoir, on calcule u puis y.
  • Une droite n'ajuste pas toujours bien un nuage : le modèle doit être validé par les données, pas supposé.

Fiche de révision – Ajustement de séries de données

Un nuage de points représente les couples (x ; y). Une droite y = ax + b peut résumer une tendance presque alignée.

Comparer des droites avec S = somme des carrés des écarts entre valeurs mesurées et valeurs prédites ; parmi les candidats, la plus petite S indique le meilleur ajustement numérique.

Interpolation

valeur de x dans la plage mesurée. Extrapolation : hors de cette plage, avec une incertitude à expliquer.

Si un changement de variable est donné, calculer la nouvelle colonne, vérifier l'alignement et revenir à la variable initiale pour interpréter le résultat.

Questions fréquentes

Pourquoi élever les écarts au carré plutôt que de les additionner tels quels ?

Les écarts positifs et négatifs se compenseraient. Avec la droite y = 2x de l'exemple, la somme des écarts bruts vaut 0 alors que la droite ne passe par aucun point. Le carré rend tous les termes positifs et pénalise davantage les grands écarts.

Faut-il savoir calculer la droite des moindres carrés à la main ?

Non. Le programme demande de comprendre le principe (minimiser la somme des carrés des écarts) et de comparer des modèles candidats. La droite elle-même est fournie par l'énoncé ou par la calculatrice.

Et maintenant ?

Tu as lu le cours. L’étape suivante tient en une action.

S’entraîner sur ce chapitreUn exercice dans l’espace Exercices

Prolonge l’expérience !

Continue à explorer ce chapitre à travers de nouvelles activités, des défis et des expériences interactives. Avec Premium, l’apprentissage continue !

Ici, tu débloques aussi 2 corrections détaillées.

Parent ? Suivez les progrès de votre enfant.

S’entraîner sur cette notion

Tous les cours de Terminale STI2D — Mathématiques technologiques
Scientia