coéfficient de corrélation

Bonjour,

mon problème est que j'ai essayé de calculer la corrélation entre deux vecteurs, l'un des deux possède des valeurs très petites de l'ordre de 10e-5, la commande Matlab qui calcule la corrélation dite de "Pearson" me donne des résultats, par contre l'autre dite de "Spearman" me donne des NaN, est ce que la deuxième ne prend pas en compte un écart type nul ou bien...? SVP comment remédier à ça. et est ce que je pourrais faire confiance à la première si la deuxième ne me donne rien !!

merci d'avance

Bonjour.

Quel intérêt de calculer une "corrélation des rangs" si tu peux faire une analyse de corrélation (Pearson) ?
En tout cas, le calcul de la corrélation des rangs est justement refusée par Matlab, car des valeurs trop proches ont un classement qui peut dépendre plus des erreurs éventuelles de calcul que de la réalité.

Cordialement.

merci pour votre réponse, je vais essayer de voire avec, mais j'attire votre attention que mes résultats ne sont pas encore claire: nuage de point qui change selon mes simulation, donc je ne suis pas sur que mes données sont linéaire pour accepter une telle corrélation (Pearson).

En suite j'ai une petite référence qui conseil de faire la comparaison entre les deux comme suit:

Une astuce utile du [Ricco Rakotomalala.]: la comparaison des coefficients de Pearson et Spearman
La plupart des biais peuvent être assez facilement détectés à travers l'analyse du nuage de point. Malheureusement cette méthode n'est pas applicable lorsque l'on veut calculer les corrélations entre de nombreuses variables prises 2 à 2.
Dans ce cas, un truc utile consiste à calculer systématiquement les deux coefficients de corrélation (Pearson et Spearman) et à vérifier s'ils donnent des résultats conformes. Si ce n'est pas le cas, c'est probablement qu'il y a anguille sous-roche ...
signif(Pearson) > signif(Spearman) : ceci indique fréquemment la présence de valeurs exceptionnelles qui augmentent la valeur du coefficient de Pearson mais ne modifient pas celle du coefficient de Spearman, beaucoup plus robuste.
signif(Spearman) > signif(Pearson) : ceci indique fréquemment l'existence d'une relation non-linéaire, mieux prise en compte par le coefficient de Spearman que par celui de Pearson.
Evidemment, il y a toujours des cas vicieux où les deux coefficients donnent le même résultat et où pourtant la relation est biaisée.

Bonjour.

On a toujours ce type de problème quand on fait des calculs statistiques "à priori". Il est évident que si on n'a pas un bon modèle d'ajustement, on n'aura pas un résultat utile. Mais ce n'est plus une question de statistiques.
Comme je ne sais pas pourquoi tu calcules, je m'abstiendrai de conseiller. Le texte que tu cites est une astuce, seulement une astuce, malheureusement, et absolument pas générale. En particulier, parler de "robustesse" pour la corrélation des rangs est assez osé ! Une série exponentiellement croissante a un coefficient de Spearmann égal à 1. Ce 1 ne permet pas de modéliser une série inconnue.

Cordialement.