*** Permet de voir si deux variables évoluent dans le même sens, lorsqu'une d'entre elle augmente est-ce que l'autre augmente aussi ? Va entre 0 et 1 Plus on est proche de 1 et plus on est corrélé Ça peut être corrélé mais pas [[significatif]] 1. Tout d'abord il faut calculer un coefficient de corrélation (r) 2. On pose une hypothèse nulle H0 : « dans la population, la corrélation est nulle » (ρ=0). 3. On utilise un test statistique (test t associé à r) pour estimer la probabilité d’obtenir une valeur de r au moins aussi extrême que celle observée, **si H0 est vraie**. C’est la **p‑value**. 4. Si cette p‑value est très petite, on rejette H0 et on dit que la corrélation est **statistiquement significative**. Logique scientifique derrière : - **Premier niveau** : description → « il y a une corrélation r dans mon échantillon ». - **Deuxième niveau** : inférence → « cette corrélation est (ou non) significative », c’est‑à‑dire qu’on estime qu’elle reflète un lien réel dans la population, pas seulement un bruit d’échantillonnage. - **Troisième niveau** : causalité → cela ne découle pas automatiquement de la significativité. Pour discuter de causalité, il faut un **schéma théorique**, des variables de contrôle, un plan d’enquête solide, etc. La corrélation significative est un argument, pas une preuve en soi. R de Pearson pour calculer une corrélation linéaire : valeur est comprise en -1 et 1. Plus  il est éloigné de 0, plus la corrélation est forte. Lorsqu’elle est négative, cela signifie que  la croissance d’une variable fait chuter l’autre variable. Lorsqu’elle est positive, c’est  qu’elles évoluent ensemble. ## Notes de bas de page ``` dataview TABLE length(file.outlinks) AS "Liens sortants", length(file.inlinks) AS "Liens entrants" WHERE file.path = this.file.path ```