Corrélation, association et causalité

29 min

Bloc 4 — Comprendre les données avant de modéliser
Objectif: définir rigoureusement la covariance et le coefficient de Pearson, connaître exactement ce qu'ils mesurent et ce qu'ils ignorent, savoir choisir un coefficient adapté à la forme de la liaison et au type des variables, exploiter une matrice de corrélation pour la sélection préliminaire et la détection de redondance, et savoir énoncer pourquoi une association observée n'autorise aucune conclusion causale.
Durée estimée: 45 minutes
Prérequis: chapitres 005, 006, 013, 014 et 015
Quiz associés: 016.1-quiz-covariance-pearson.md à 016.7-quiz-correlation-causalite.md

Aperçu — la suite de la leçon est réservée aux inscrits.

Déjà inscrit avec un code ?

Votre accès est rattaché à votre compte, pas à ce lien. Connectez-vous avec le même courriel qu'en classe : votre cours vous attend, inutile de ré-entrer le code.

Se connecter Pas encore de compte ? En créer un

Cette leçon fait partie du module « Analyse exploratoire des données (EDA) »

Les premiers modules du cours sont en accès libre. Pour la suite, trois possibilités : acheter ce cours une fois pour toutes, vous abonner pour tout ouvrir, ou entrer le code si vous suivez le cours en classe.

M’abonner — 19 $ US/mois Retour au plan