[PDF] Statistique Descriptive Multidimensionnelle (pour les nuls)





Previous PDF Next PDF



Extrait de cours maths 3e Multiples et diviseurs

Remarques à propos de 0 et de 1 : Le produit de n'importe quel nombre par 0 est 0. 0 est donc un multiple de tous les nombres. Aucun 



MODELES LINEAIRES

variables par un modèle de régression linéaire multiple. Par exemple



Extrait de cours de maths de 5e Chapitre 1 : Arithmétique

Le chiffre des unités doit être un nombre pair et la somme des nombres formés par chacun des chiffres doit être un multiple de 9. Page 4. Exercices. a) Exercice 



Statistique Descriptive Multidimensionnelle (pour les nuls)

1.2.4 Résultats sur les variables . dans le chapitre 2 et l'Analyse des Correspondances Multiples (A.C.M.) dans le chapitre 3. ... MATH PHYS FRAN.



MULTIPLES DIVISEURS

https://www.maths-et-tiques.fr/telech/19NombreEntierM.pdf



CM1 Mathématiques Connaître les multiples et les diviseurs des

? Les multiples d'un nombre : Un multiple est un nombre qui est le résultat d'une multiplication. Par exemple : 36 = 9 x 4.



LE TABLEAU DES MESURES DE VOLUMES

Cela veut dire que chaque mesure contient des unités des dizaines et des centaines. Dans les conversions



Introduction à la régression multiple

cessaires et les termes du modèle les notions d'estimation des pa- Le modèle de régression linéaire multiple est l'outil statistique le plus ha-.



A different approach to multiple correspondence analysis (MCA

Oct 12 2009 Math. Sci. hum / Mathematics and Social Sciences (47e année

Publicationsde

l'InstitutdeMath ematiques deToulouse (pourlesnuls) (versiondemai2010)

AlainBaccini

2

Tabledesmatieres

1AnalyseenComposantesPrincipales5

2AnalyseFactorielledesCorrespondances15

3AnalysedesCorrespondancesMultiple27

3

4TABLEDESMATIERES

Avant-propos

grandeslignesdecestechniques.

Chapitre1

AnalyseenComposantes

Principales

lysesdesCorrespondances). tion). 5

Ongeneraliseennal'A.C.M.

1.2Exempleillustratifpourl'A.C.P.

parlesfacteurs). laplusobjectivepossible. disciplines.

1.2.1Presentation

physique,francais,anglais):

MATHPHYSFRANANGL

jean6.006.005.005.50 alan8.008.008.008.00 anni6.007.0011.009.50 moni14.5014.5015.5015.00 didi14.0014.0012.0012.50 andr11.0010.005.507.00 pier5.507.0014.0011.50 brig13.0012.508.509.50 evel9.009.5012.5012.00

1.2.EXEMPLEILLUSTRATIFPOURL'A.C.P.7

coupd'ilduphotographe...

1.2.2Resultatspreliminaires

Statistiqueselementaires

VariableMoyenneEcart-typeMinimumMaximum

MATH9.673.375.5014.50

PHYS9.832.996.0014.50

FRAN10.223.475.0015.50

ANGL10.062.815.5015.00

unpremierpasversl'analysemultivariee.

Coefficientsdecorrelation

MATHPHYSFRANANGL

MATH1.000.980.230.51

PHYS0.981.000.400.65

FRAN0.230.401.000.95

ANGL0.510.650.951.00

1.2.3Resultatsgeneraux

d'unevariablequantitative).

Matricedesvariances-covariances

MATHPHYSFRANANGL

MATH11.399.922.664.82

PHYS9.928.944.125.48

FRAN2.664.1212.069.29

ANGL4.825.489.297.91

Valeurspropres;variancesexpliquees

FACTEURVAL.PR.PCT.VAR.PCT.CUM.

128.230.700.70

212.030.301.00

30.030.001.00

40.010.001.00

40.301.00

Interpretation

1.2.4Resultatssurlesvariables

Correlationsvariables-facteurs

FACTEURS-->F1F2F3F4

MATH0.81-0.580.01-0.02

PHYS0.90-0.43-0.030.02

FRAN0.750.66-0.02-0.01

ANGL0.910.400.050.01

desvariablesdonneparlaFig.1.1. auxaxesdesgraphiques).

1.2.EXEMPLEILLUSTRATIFPOURL'A.C.P.9

A x e 2 -1.0-0.50.00.51.0

Axe 1-1.0-0.50.00.51.0

Fig.1.1{Representationdesvariables

dimensionspourinterpreterl'analyse.

Interpretation

lespresentonsmaintenant.

1.2.5Resultatssurlesindividus

jean0.11-8.61-1.4120.9929.191.830.970.03 alan0.11-3.88-0.504.225.920.230.980.02 anni0.11-3.213.476.174.0611.110.460.54 moni0.119.850.6026.8638.190.331.000.00 didi0.116.41-2.0512.4816.153.870.910.09 andr0.11-3.03-4.929.223.6222.370.280.72 pier0.11-1.036.3811.510.4137.560.030.97 brig0.111.95-4.205.931.5016.290.180.82 evel0.111.552.632.630.956.410.250.73 A x e 2 -5-4-3-2-101234567

Axe 1-10-8-6-4-20246810

Fig.1.2{Representationdesindividus

loin.

Interpretation

Var(C1)=1

99
X i=1(c1 i)2

1=8:61;sacontributionestdonc:

1

9(8:61)2

28:23100=29:19%:

1.3.PRESENTATIONGENERALEDELAMETHODE11

individuslesonta100%.

1.3Presentationgeneraledelamethode

noussemblenecessaire. appropries(q1.3.1Lesprincipes

Lesdonneesaanalyser

noteexj

X1XjXp

1x1 1xj 1xp 1. ix1 ixj ixp i. nx1 nxj nxp n

Leproblemeatraiter

Lecritereutilise

convenablementlesfacteurs.

Lamethode

C 1=a1

1X1+a2

1X2++ap

1Xp C 2=a1

2X1+a2

2X2++ap

2Xp tellesque: C doitrajouterlacontraintePp j=1(aj

1)2=1.

contenuedansC1).

1.3.PRESENTATIONGENERALEDELAMETHODE13

Etainsidesuite:::

facilesalireetainterpreter.

Centrageoureductiondesdonnees?

propresorthonormesdelamatriceR.

Commentaires

1.3.2Lesresultats

Resultatsgeneraux

variables.

Resultatssurlesvariables

interpretation. q=3.

Resultatssurlesindividus

commelesautressontassociesauxfacteurs. 1).

Chapitre2

AnalyseFactorielledes

Correspondances

descriptive.

2.1Principegeneraldel'A.F.C.

2.1.1Lesdonnees

toirementtouslem^emepoids1 15 y1yhycsommes x1n11n1hn1cn1+ x`n`1n`hn`cn`+ xrnr1nrhnrcnr+ sommesn+1n+hn+cn (lesn`+etlesn+h).

2.1.2Leprobleme

liaison. du`iemeprol-ligne f n`1 n`+;:::;n`hn`+;:::;n`cn`+g; etcelleduhiemeprol-colonne f n1h n+h;:::;n`hn+h;:::;nrhn+hg: particulieres.

2.1.3Lamethode

danslecascontraire. etcellesdeY. methode.

2.2.EXEMPLEILLUSTRATIF17

2.2Exempleillustratif

arrondisaladizainepres).

2.2.1Lesdonnees

Ellessontreproduitesci-dessous.

mentetlaS.A.U.(en1993).

INF05S0510S1020S2035S3550SUP50

ARIE870330730680470890

AVER82012602460333021702960

H.G.229010701420183012602330

GERS16508901350254020903230

LOT19401130175016607701140

H.P.2110117016401500550430

TARN17708201260201016802090

T.G.1740920156022109901240

encolonnes,6classes).

SUP50=plusde50hectares.

d'uneautre,retrouvee.

Letableauinitial

ContingencyTable

|INF05S0510S1020S2035S3550SUP50|Sum

ARIE|870330730680470890|3970

AVER|82012602460333021702960|13000

H.G.|229010701420183012602330|10200

GERS|16508901350254020903230|11750

LOT|19401130175016607701140|8390

H.P.|2110117016401500550430|7400

TARN|17708201260201016802090|9630

T.G.|1740920156022109901240|8660

Sum|1319075901217015760998014310|73000

Lescontributionsaukhi-deux

(n`hn`+n+h n)2n`+n+h n (voirlechapitre3ducoursSDE). |INF05S0510S1020S2035S3550SUP50|Sum

ARIE|32.5016.607.0236.599.7516.05|118.51

[870(397013190)=73000]2 (397013190)=73000'32:50: [820(1300013190)=73000]2 (1300013190)=73000'995:17:

2.2.EXEMPLEILLUSTRATIF19

Lestableauxdeprols

RowProfiles

|INF05S0510S1020S2035S3550SUP50

ColumnProfiles

|INF05S0510S1020S2035S3550SUP50

TOTAL|111111

Lanotiond'inertieenA.F.C.

tique. dernieralinea. tousdepartementsconfondus.

S.A.U.

cellesdeslignes(dansIRr). conserveseulementdeuxoutroisdimensions.

InertiaandChi-SquareDecomposition

SingularPrincipalChi-

ValuesInertiasSquaresPercents1530456075

0.122100.014911088.2920.25*******

0.048940.00239174.833.25*

0.027920.0007856.901.06

0.023280.0005439.550.74

0.073645375.49

restitueaussilemaximum;etainsidesuite. importantepourl'axe1etainsidesuite.

2.2.EXEMPLEILLUSTRATIF21

peuttoujourssededuiredesprecedents.

Lescoordonneesdeslignesetdescolonnes

principequ'enA.C.P. 1.

RowCoordinates

|Dim1Dim2

ARIE|0.037168-.109849

quotesdbs_dbs47.pdfusesText_47
[PDF] MATH : Monotonie des suites

[PDF] Math : pourcentage

[PDF] Math : puissance de 10

[PDF] Math : TGV vitesse

[PDF] math :je suis bloqué

[PDF] MATH ; Dev maison seconde

[PDF] math ;Ecriture scientifique

[PDF] math aidder svp!

[PDF] MATH AIDE

[PDF] math aide cned 3eme

[PDF] math aider moi

[PDF] Math aidezz moi!! svpp

[PDF] math appliqué a l'informatique exercice corrigé pdf

[PDF] math appliqué a l'informatique ista

[PDF] math appliqué a l'informatique ofppt cours