Glossaire



| 2 | 3 | A | B | C | D | E | F | G | H | I | J | K | L | M | N | O | P | Q | R | S | T | U | V | W | X | Y | Z |

Aberrants (Points)

Les points atypiques (aberrants) sont par définition des observations peu fréquentes, c'est-à-dire des points qui ne suivent pas la distribution caractéristique du reste des données. Ces points peuvent refléter des propriétés particulières du phénomène (variable) sous-jacent ou peuvent tout simplement résulter d'erreurs de mesure ou de tout autre anomalie ne devant pas être modélisées. Du fait même de la méthode de calcul de la droite de régression dans la Régression Multiple (c'est-à-dire qu'elle est basée sur une minimisation, non pas de la somme des distances simples, mais de la somme des carrés des distances des points à la droite), les points atypiques ont une forte influence sur la pente de la droite de régression et par conséquent sur la valeur du coefficient de corrélation. Un seul point atypique peut modifier considérablement la pente de la droite de régression et donc la valeur de la corrélation. Souvent, on considère que les points atypiques représentent une erreur aléatoire que l'on souhaite contrôler. Inutile de dire que les points atypiques peuvent non seulement augmenter de façon artificielle la valeur d'un coefficient de corrélation, mais ils peuvent aussi diminuer la valeur d'une corrélation "légitime".

L'outil d'Habillage permet de supprimer de manière interactive les points atypiques en les pointant dans le graphique (pour explorer leur influence sur l'ajustement des données par une fonction linéaire ou non).