Corrélation de Spearman

Cet article est une ébauche concernant les mathématiques.

Vous pouvez partager vos connaissances en l’améliorant (comment ?) selon les recommandations des projets correspondants.

Corrélation de Spearman

Relation parfaitement monotone mais non linéaire. Dans ce cas la corrélation de Spearman est de 1 mais la corrélation de Pearson (linéaire) n'est pas parfaite.

Type	Coefficient de corrélation, statistique
Nommé en référence à	Charles Spearman
Formule	${\displaystyle r_{s}=\rho _{\operatorname {rg} _{X},\operatorname {rg} _{Y}}={\frac {\operatorname {cov} (\operatorname {rg} _{X},\operatorname {rg} _{Y})}{\sigma _{\operatorname {rg} _{X}}\sigma _{\operatorname {rg} _{Y}}}}}$

modifier - modifier le code - modifier Wikidata

La corrélation de Spearman ou rho de Spearman, nommée d'après Charles Spearman (1863-1945) et souvent notée par la lettre grecque ${\displaystyle \rho }$ (rho) ou ${\displaystyle r_{s}}$ est une mesure de dépendance statistique non paramétrique entre deux variables.

La corrélation de Spearman est étudiée lorsque deux variables statistiques semblent corrélées sans que la relation entre les deux variables soit de type affine. Elle consiste à trouver un coefficient de corrélation, non pas entre les valeurs prises par les deux variables mais entre les rangs de ces valeurs. Elle estime à quel point la relation entre deux variables peut être décrite par une fonction monotone. S'il n'y a pas de données répétées, une corrélation de Spearman parfaite de +1 ou -1 est obtenue quand l'une des variables est une fonction monotone parfaite de l'autre.

Pour un échantillon de taille n, les variables de rang ${\displaystyle \operatorname {rg} X_{i},\operatorname {rg} Y_{i}}$ sont calculées à partir des données ${\displaystyle X_{i},Y_{i}}$.

La corrélation de Spearman est définie par :

${\displaystyle r_{s}={\frac {\operatorname {cov} (\operatorname {rg} _{X},\operatorname {rg} _{Y})}{\sigma _{\operatorname {rg} _{X}}\sigma _{rg_{Y}}}}}$

Où

• ${\displaystyle \operatorname {cov} (\operatorname {rg} _{X},\operatorname {rg} _{Y})}$ est la covariance de variables de rang,

• ${\displaystyle \sigma _{\operatorname {rg} _{X}}}$ et ${\displaystyle \sigma _{\operatorname {rg} _{Y}}}$ sont les écarts-types des variables de rang.

On constate que cette définition correspond à la corrélation de Pearson des variables de rang.

Ne pas confondre la corrélation de Spearman avec la corrélation de Pearson. Cette dernière se calcule à partir les valeurs des deux séries directement.

Le coefficient de Spearman permet de détecter des tendances monotones. Lorsque la tendance est affine, il se comporte de façon similaire au coefficient de Pearson. En revanche, il sera plus élevé que la corrélation de Pearson si la tendance est monotone mais non affine. Plus la tendance monotone est marquée, plus la valeur du coefficient est proche de 1 ou -1.

De façon similaire au coefficient de Pearson, le coefficient de Spearman aura une valeur positive lorsque la tendance est croissante et négative lorsqu'elle est décroissante.

Lorsque la tendance n'est pas monotone, il aura une valeur proche de 0.

Contrairement au coefficient de Pearson, le coefficient de Spearman est robuste : l'impact d'éventuelles données aberrantes sur sa valeur est limité.

• Corrélation (statistiques)
• Un autre test de corrélation basé sur les rangs est le Tau de Kendall

• Notice dans un dictionnaire ou une encyclopédie généraliste :

  • Britannica

v · m Tests statistiques
Tests de comparaison d'une seule variable	Pour un échantillon Test Z Test t pour un échantillon Test des signes Test des rangs signés de Wilcoxon Estimateur de Hodges-Lehmann Pour deux échantillons Test F Test de Student Test t de Welch Test U de Mann-Whitney Test du χ² d'homogénéité Test de McNemar Test de la médiane Pour 3 échantillons ou plus Analyse de la variance (ANOVA) Test de Kruskal-Wallis ANOVA de Friedman Test de Bartlett Test de Levene Test de Brown-Forsythe
Tests de comparaison de deux variables	Deux variables quantitatives : Tests de corrélation Corrélation de Pearson Corrélation de Spearman Corrélation de Kendall Deux variables qualitatives Test exact de Fisher Test du χ² d'indépendance Test Gamma Plus de deux variables Concordance de Kendall Analyse de variance multivariée Test Q de Cochran
Tests d'adéquation à une loi	Test de Kolmogorov-Smirnov Test du χ² d'adéquation Test de Jarque-Bera Test de Lilliefors Test d'Anderson-Darling Test de D'Agostino Test de Cramer-Von Mises
Tests d'appartenance à une famille de lois	Test de Shapiro-Wilk
Autres tests	Test du rapport de vraisemblance
Tests non-paramétriques Tests paramétriques Table d'utilisation des tests statistiques

v · m Index du projet probabilités et statistiques

Théorie des probabilités Bases théoriques Principes généraux Axiomes des probabilités Espace mesurable Probabilité Événement Tribu Indépendance Variable aléatoire Espérance Variables iid Convergence de lois Théorème central limite Loi des grands nombres Théorème de Borel-Cantelli Calcul stochastique Marche aléatoire Chaîne de Markov Processus stochastique Processus de Markov Martingale Mouvement brownien Équation différentielle stochastique Lois de probabilité Lois continues Loi exponentielle Loi normale Loi uniforme Loi de Student Loi de Fisher Loi du χ² Lois discrètes Loi de Bernoulli Loi binomiale Loi de Poisson Loi géométrique Loi hypergéométrique Mélange entre statistiques et probabilités Intervalle de confiance Interprétations de la probabilité Bayésianisme Théorie des statistiques Statistiques descriptives Bases théoriques Une statistique Caractère Échantillon Erreur type Intervalle de confiance Fonction de répartition empirique Théorème de Glivenko-Cantelli Inférence bayésienne Régression linéaire Méthode des moindres carrés Analyse des données Corrélation Tableaux Tableau de contingence Tableau disjonctif complet Table de Burt Visualisation de données Histogramme Diagramme à barres Graphique en aires Diagramme circulaire Treemap Boîte à moustaches Nuage de points Graphique à bulles Diagramme en cascade Graphique en entonnoir Diagramme de Kiviat Corrélogramme Graphique en forêt Diagramme branche-et-feuille Heat map Sparkline Paramètres de position Moyenne arithmétique Mode Médiane Quantile Quartile Décile Centile Paramètres de dispersion Étendue Écart moyen Variance Écart type Déviation absolue moyenne Écart interquartile Coefficient de variation Paramètres de forme Coefficient d'asymétrie Coefficient d'aplatissement Statistiques inductives Bases théoriques Hypothèse nulle Estimateur Signification statistique Sensibilité et spécificité Courbe ROC Nombre de sujets nécessaires Valeur p Contraste (statistiques) Statistique de test Taille d'effet Puissance statistique Tests paramétriques Test d'hypothèse Test de Bartlett Test de normalité Test de Fisher d'égalité de deux variances Test d'Hausman Test d'Anderson-Darling Test de Banerji Test de Durbin-Watson Test de Goldfeld et Quandt Test de Jarque-Bera Test de Mood Test de Lilliefors Test de Wald Test T pour des échantillons indépendants Test T pour des échantillons appariés Test de corrélation de Pearson Tests non-paramétriques Test U de Mann-Whitney Test de Kruskal-Wallis Test exact de Fisher Test de Kolmogorov-Smirnov Test de Shapiro-Wilk Test de Chow Test de McNemar Test de Spearman Tau de Kendall Test Gamma Test des suites de Wald-Wolfowitz Test de la médiane Test des signes ANOVA de Friedman Concordance de Kendall Test Q de Cochran Test des rangs signés de Wilcoxon Test de Sargan Application Économétrie Mécanique statistique Jeu de hasard Biomathématique Biostatistique Mathématiques financières

• Portail des probabilités et de la statistique