### Question 1 : Proportion de moins de 15 ans en fonction du taux de fécondité {#q1}
> Afficher la proportion de moins de 15 ans en fonction du taux de fécondité. Essayer de caractériser au mieux la dépendance entre les deux quantités, en faisant une régression.
**[Script Scilab](scripts/ex4-1.sce) :**
```scilab
X = mtlb_t(data(:,8));
Y = mtlb_t(data(:,9));
plot2d(X,Y,-1);
[a,b] = reglin(X, Y);
plot(X,a*X+b);
```
**Résultat :**
### Question 2 : Taux de mortalité infantile en fonction du taux de natalité {#q2}
> Afficher le taux de mortalité infantile en fonction du taux de natalité. Faites (et dessiner) une regression linéaire.
Quel est le coefficient de corrélation ? Que peut-on dire ? Y'a-t-il une relation de causalité entre les deux ?
**[Script Scilab](scripts/ex4-2.sce) :**
```scilab
X = mtlb_t(data(:,4));
Y = mtlb_t(data(:,7));
plot2d(X,Y,-1);
[a,b] = reglin(X, Y);
plot(X,a*X+b);
coefficient_correlation = correl(X,Y);
```
**Résultat :**
- Coefficient de correlation : 0.86
Le coefficient de correlation, qui est à l'image du graphe obtenu, nous montre qu'il y à une causalité entre les deux. PLus le taux de natalité est élevé plus le taux de mortalité infantile est élevé, ce qui est logique.
### Question 3 : Taux de mortalité infantile en fonction du revenu {#q3}
> Afficher le taux de mortalité infantile en fonction du revenu. Calculez le coefficent de corrélation. Que peut-on dire ? Y'a-t-il une relation de causalité entre les deux.
**[Script Scilab](scripts/ex4-3.sce) :**
```scilab
X = find(data(:,13)>=0); // Revenus
XX = mtlb_t(data(X,13));
YY = mtlb_t(data(X,7));
plot2d(XX,YY,-1);
coefficient_correlation = correl(XX,YY)
```
**Résultat :**
- Coefficient de correlation : -0.60
On trouve donc une coefficient de correlation négatif de -60 globalement et cela montre un lien entre le revenus et le taux de martalité infantile, plus le revenus est élevé moins il y auras de mortalité infantile, ce qui est assez logique car un plus haut revenus sous entend un pays plus developpé.
