Depuis 2010 · Plus de 2 millions d’utilisations d’outils par mois
Depuis 2010
Ajouter à Chrome

Ma Boîte à Outils

Mode Automatique

Aucun outil enregistré pour l’instant.

Passer à la Version Premium
Outils associés
Étape suivante
Calculatrice de régression linéaireCréateur de Nuage de Points
Même situation
Calculateur de Corrélation de Rang de SpearmanCalculateur de Valeur p
Autres outils
Calculateur de Coefficient de GiniCalculateur de Test F et Distribution F
Page d'accueil > Mathématiques > Statistiques et analyse de données
 

Calculatrice de Coefficient de Corrélation

Comparez les associations linéaires et fondées sur les rangs avec le calculateur de coefficient de corrélation de MiniWebtool. Des observations appariées x et y produisent les coefficients de Pearson, Spearman et Kendall, avec nuages de points et contexte de régression ; la corrélation seule n’établit pas de causalité.

Besoin d’aide pour utiliser cet outil ? Demandez à une IA
Gemini (copier et ouvrir)

Dans Gemini, collez la question copiée dans le chat. Vous pouvez aussi la copier ci-dessous.

Voir la question

3 utilisations gratuites par jourSans inscriptionRésultats instantanés
Calculatrice de Coefficient de CorrélationEssayez maintenant — gratuit ▼
Le r de Pearson additionne les z_x·z_y : les points du même côté poussent r vers 1

Saisissez des paires de valeurs X et Y ci-dessous pour obtenir les corrélations de Pearson, Spearman et Kendall, avec les valeurs p et un nuage de points.

Essayez des jeux de données exemples
✓ Parfait (r=1) ● Forte positive ○ Modérée ≈ Faible ↓ Négative
Collez deux colonnes depuis Excel, Google Sheets ou un fichier CSV
Variable X X
Variable Y Y

Embed Calculatrice de Coefficient de Corrélation Widget

Calculatrice de Coefficient de Corrélation

Bienvenue sur la Calculatrice de Coefficient de Corrélation, un outil statistique complet qui calcule les coefficients de corrélation de Pearson, Spearman et Kendall avec une visualisation interactive du nuage de points, une analyse de régression et un détail des calculs étape par étape. Que vous analysiez des données de recherche, étudiiez les relations entre variables ou effectuiez des analyses statistiques, cette calculatrice fournit des informations de qualité professionnelle pour vos jeux de données.

Pearson, Spearman et Kendall : ce que mesure chaque coefficient

La corrélation de Pearson résume une relation linéaire entre les valeurs d’origine. Spearman et Kendall s’appuient sur les rangs ; ils répondent donc à des questions sur une association monotone plutôt que sur l’ampleur d’une variation linéaire.

Pearson, Spearman et Kendall : ce que mesure chaque coefficient
MéthodeFondementUtile lorsque…Limite importante
r de PearsonValeurs numériques appariées d’origineL’association est approximativement linéaireSensible aux valeurs aberrantes influentes ; une corrélation nulle n’exclut pas une relation non linéaire
rho de SpearmanRangs des observations appariéesL’association est monotone ou les mesures sont ordinalesLes ex æquo dans les rangs doivent être traités de manière appropriée
tau de KendallPaires concordantes et discordantesL’ordre relatif des paires est la grandeur d’intérêtLes différentes variantes de tau traitent les ex æquo différemment

Une corrélation n’établit pas de lien de causalité. Les hypothèses de distribution nécessaires aux tests de significativité s’ajoutent à la définition d’un coefficient de corrélation.

En bref

La Calculatrice de Coefficient de Corrélation calcule les coefficients de Pearson, Spearman et Kendall à partir de couples de valeurs x et y. Elle ajoute les p-values, le R², un nuage de points avec droite de régression et le détail des calculs.

Calculatrice de Coefficient de Corrélation: fonctionnalités en un coup d’œil
FonctionnalitéCe que vous obtenezIdéal pour
Trois coefficientsLe r de Pearson pour les relations linéaires, le rho de Spearman à partir des rangs pour les relations monotones, et le tau de Kendall à partir des paires concordantes et discordantes.Choisir entre des mesures linéaires et des mesures par rangs
Saisie de données appariéesCollez les valeurs X et Y séparées par des virgules, des espaces ou des sauts de ligne. Les deux listes doivent avoir le même nombre de valeurs, dans le même ordre.Copier directement deux colonnes de tableur
DécimalesRéglez la précision des résultats de 2 à 15 décimales.Rapports qui exigent un nombre fixe de décimales
Force et p-valueChaque coefficient reçoit une p-value et une étiquette de force allant de très faible (0.00 à 0.19) à très forte (0.80 à 1.00).Juger la force et la significativité d’une relation
Nuage de pointsUn nuage de points interactif avec la droite de régression Y = aX + b, plus le R², les moyennes, les écarts-types et la covariance.Repérer les valeurs aberrantes et la tendance générale

Qu'est-ce qu'un coefficient de corrélation ?

Un coefficient de corrélation est une mesure statistique qui quantifie la force et la direction de la relation entre deux variables. Les coefficients de corrélation varient de -1 à +1, où la magnitude indique la force et le signe indique la direction de la relation.

Interprétation des valeurs de corrélation

Calculatrice de Coefficient de Corrélation: Interprétation des valeurs de corrélation
Plage de corrélationForceInterprétation
0,80 à 1,00Très forteLes variables sont fortement liées
0,60 à 0,79ForteUne relation claire existe
0,40 à 0,59ModéréeRelation notable
0,20 à 0,39FaibleLégère relation
0,00 à 0,19Très faiblePeu ou pas de relation

Coefficient de corrélation de Pearson

Le coefficient de corrélation de Pearson (r) mesure la relation linéaire entre deux variables continues. C'est la mesure de corrélation la plus couramment utilisée et elle suppose que les deux variables sont normalement distribuées.

Formule de corrélation de Pearson
$$r = \frac{\sum_{i=1}^{n}(X_i - \bar{X})(Y_i - \bar{Y})}{\sqrt{\sum_{i=1}^{n}(X_i - \bar{X})^2 \sum_{i=1}^{n}(Y_i - \bar{Y})^2}}$$

Où :

Coefficient de corrélation de rang de Spearman

Le coefficient de corrélation de rang de Spearman (ρ ou rs) est une mesure non paramétrique qui évalue les relations monotones entre variables. Il utilise des données classées au lieu de valeurs brutes, ce qui le rend adapté aux données ordinales ou lorsque la relation n'est pas strictement linéaire.

Formule de corrélation de Spearman
$$\rho = 1 - \frac{6 \sum d_i^2}{n(n^2 - 1)}$$

Où :

Coefficient de corrélation Tau de Kendall

Le coefficient de corrélation Tau de Kendall (τ) est une autre mesure non paramétrique qui évalue l'association ordinale entre deux variables. Il compte les paires concordantes et discordantes et est particulièrement utile pour les petits échantillons ou lorsqu'il y a de nombreux rangs ex aequo.

Comment utiliser cette calculatrice

  1. Entrez les données de la Variable X : Saisissez les valeurs numériques de votre première variable dans la zone de texte. Les nombres peuvent être séparés par des virgules, des espaces ou des sauts de ligne.
  2. Entrez les données de la Variable Y : Saisissez les valeurs correspondantes de votre deuxième variable. Assurez-vous d'avoir le même nombre de valeurs que la Variable X.
  3. Définissez la précision décimale : Choisissez le nombre de décimales (2-15) pour vos résultats.
  4. Calculez : Cliquez sur le bouton pour calculer les corrélations de Pearson, Spearman et Kendall avec les valeurs p et les visualisations.

Comprendre vos résultats

Résultats principaux

Statistiques supplémentaires

Quand utiliser chaque corrélation

Utilisez la corrélation de Pearson quand :

Utilisez la corrélation de Spearman quand :

Utilisez le Tau de Kendall quand :

Applications de l'analyse de corrélation

Recherche et milieu universitaire

Les chercheurs utilisent l'analyse de corrélation pour explorer les relations entre variables avant de mener des analyses plus complexes. Elle aide à identifier les prédicteurs potentiels et à comprendre la structure des données.

Finance et économie

La corrélation est essentielle pour la diversification de portefeuille, la gestion des risques et la compréhension de la façon dont différents actifs ou indicateurs économiques évoluent ensemble.

Santé et médecine

Les chercheurs médicaux utilisent la corrélation pour étudier les relations entre les facteurs de risque, les effets des traitements et les résultats de santé.

Psychologie et sciences sociales

L'analyse de corrélation aide à comprendre les relations entre les construits psychologiques, les mesures comportementales et les variables sociales.

Considérations importantes

Corrélation n'implique pas causalité

Une forte corrélation entre deux variables ne signifie pas que l'une cause l'autre. Il peut y avoir des variables confondantes, une causalité inverse ou des relations fortuites.

La taille de l'échantillon compte

Les petits échantillons peuvent produire des corrélations trompeuses. Avec peu de points de données, même des données aléatoires peuvent montrer des corrélations apparemment fortes qui ne sont pas statistiquement significatives.

Les valeurs aberrantes peuvent fausser les résultats

Les valeurs extrêmes peuvent grandement influencer la corrélation de Pearson. Envisagez d'utiliser Spearman ou d'examiner vos données pour détecter les valeurs aberrantes lorsque les résultats semblent inhabituels.

Questions fréquemment posées

Qu'est-ce que le coefficient de corrélation de Pearson ?

Le coefficient de corrélation de Pearson (r) mesure la relation linéaire entre deux variables continues. Il varie de -1 à +1, où +1 indique une relation linéaire positive parfaite, -1 indique une relation linéaire négative parfaite, et 0 indique l'absence de relation linéaire.

Qu'est-ce que le coefficient de corrélation de rang de Spearman ?

Le coefficient de corrélation de rang de Spearman (rho ou rs) est une mesure non paramétrique qui évalue dans quelle mesure la relation entre deux variables peut être décrite à l'aide d'une fonction monotone. Il fonctionne avec des données classées et ne suppose pas une distribution normale.

Comment interpréter les valeurs du coefficient de corrélation ?

Pour interpréter les catégories d’intensité ci-dessous, utilisez la valeur absolue |r|. Le signe indique la direction ; ces catégories descriptives sont des conventions et non des seuils scientifiques universels.

Qu'est-ce que la valeur p dans l'analyse de corrélation ?

La valeur p indique la probabilité d'observer la corrélation calculée s'il n'y avait vraiment aucune corrélation. Une valeur p inférieure à 0,05 est généralement considérée comme statistiquement significative.

Qu'est-ce que le R-carré (coefficient de détermination) ?

Le R-carré est le carré du coefficient de corrélation et représente la proportion de variance d'une variable expliquée par l'autre. Par exemple, si r = 0,8, R² = 0,64, ce qui signifie que 64% de la variance est expliquée.

Quand utiliser la corrélation de Pearson vs Spearman ?

Utilisez Pearson lorsque les deux variables sont continues, normalement distribuées et linéairement liées. Utilisez Spearman lorsque les données sont ordinales, contiennent des valeurs aberrantes ou lorsque la relation est monotone mais pas linéaire.

Faut-il saisir les valeurs X et Y dans le même ordre ?

Oui. Chaque valeur X doit être associée à la valeur Y provenant de la même observation, et les deux colonnes doivent contenir le même nombre de valeurs. Par exemple, si X indique les heures d’étude d’une personne et Y sa note au test, gardez les heures et la note de chaque personne sur la même ligne. Des colonnes décalées peuvent produire une corrélation qui ne décrit pas la relation que vous vouliez mesurer.

Que se passe-t-il si toutes les valeurs d’une variable sont identiques ?

La corrélation est indéfinie si une variable ne présente aucune variation. Par exemple, si toutes les valeurs de X sont égales à 5, l’écart-type de X est nul et la formule de corrélation de Pearson entraînerait une division par zéro. Il n’y a pas de variation de X à comparer à Y. Pour mesurer l’évolution conjointe des variables, recueillez ou sélectionnez des données où elles varient toutes les deux.

Une forte corrélation prouve-t-elle que modifier X modifiera Y ?

Non. Une forte corrélation décrit une association entre des valeurs appariées, mais ne prouve pas qu’une variable entraîne le changement de l’autre. Par exemple, les ventes de glaces et la fréquentation des piscines peuvent augmenter ensemble par temps chaud, tandis que la température influence les deux. Pour étayer une conclusion de causalité, il faut une méthode de recherche adaptée et examiner d’autres explications possibles de la relation.

Ressources supplémentaires

Citez ce contenu, cette page ou cet outil comme suit :

"Calculatrice de Coefficient de Corrélation" sur https://MiniWebtool.com/fr/calculatrice-de-coefficient-de-corrélation/ de MiniWebtool, https://MiniWebtool.com/

par l'équipe miniwebtool. Mis à jour : 16 janv. 2026

API développeur disponible: Exécutez cet outil depuis votre app, automatisation ou agent avec une requête HTTP JSON. Voir la documentation API

Discutez avec votre IA préférée

Gemini (copier et ouvrir)

Dans Gemini, collez la question copiée dans le chat. Vous pouvez aussi la copier ci-dessous.

Voir la question

Statistiques et analyse de données:

Résolution mathématiqueQue souhaitez-vous calculer ?

Résolution mathématique

Exemples
Voir les expressions

Choisissez un exemple, modifiez les nombres, puis résolvez. log utilise la base 10 ; ln est le logarithme naturel.

Nombres et facteurs

Fractions et division

Puissances, racines et logarithmes

Algèbre et équations

Calcul différentiel et intégral

Géométrie et trigonométrie

Outils populaires et mis à jour:

Calculatrice du coefficient de variationCalculateur de Coefficient BinomialCalculateur du Test U de Mann-WhitneyTout voir →
Page d'accueil > Mathématiques > Statistiques et analyse de données > Calculatrice de Coefficient de Corrélation