Analyse en Composantes Principales (ACP)
Construction du mo- dèle statistique associé estimation. Représentations graphiques des individus
LANALYSE EN COMPOSANTES PRINCIPALES (A.C.P.)
n individus observés sur p variables quantitatives. L'A.C.P. permet d'explorer les liaisons entre variables et les ressemblances entre individus. Résultats :.
Chapitre 1 Analyse en Composantes Principales (ACP) - Marie
Les lignes correspondent à ce qu'on appelle des individus (ici des eaux minérales) et les colonnes à des variables (ici des descipteurs sensoriels). L'objectif
Analyse en composantes principales (ACP)
husson@agrocampus-ouest.fr. 1 / 35. Page 2. Données - Exemples. Etude des individus. Etude des variables. Aides à l'interprétation. Analyse en Composantes
Détection et localisation de défauts par analyse en composantes
10 mars 2004 ... analyse en composantes principales (ACP). Les deux phases de modélisation et de génération de résidus avec l'ACP y seront exposées. L ...
Analyse en Composantes Principales
Nuages Np et Nn. La méthode de l'ACP. Interprétations. Motivations. L'Analyse en Composantes Principales (ACP) est la méthode de base en statistique
Exemples danalyse en composantes principales
7. 13. Pierre. 55. 7. 14. 11
Chapitre 5 Analyse en composantes principales I Objectifs
Analyse en composantes principales. 89. Cette base principale est calculée pour chaque battement par une analyse en composantes principales (ACP) (Figure 2).
Analyse en composantes principales (ACP)
husson@agrocampus-ouest.fr. 1 / 35. Page 2. Données - Exemples. Etude des individus. Etude des variables. Aides à l'interprétation. Analyse en Composantes
Analyse en Composantes Principales (ACP)
Construction du mo- dèle statistique associé estimation. Représentations graphiques des individus
Analyse en Composantes Principales
On se sert de ces contribu- tions pour interpréter les nouveaux axes de l'ACP en fonction des individus. 9.2.2 Contribution relative d'un individu `a un axe. On
LANALYSE EN COMPOSANTES PRINCIPALES (A.C.P.)
n individus observés sur p variables quantitatives. L'A.C.P. permet d'explorer les liaisons entre variables et les ressemblances entre individus. Résultats :.
Analyse en composantes principales (ACP)
Analyse en Composantes Principales (ACP). 1 Données - Exemples. 2 Etude des individus. 3 Etude des variables. 4 Aides à l'interprétation.
Introduction et ACP
? 3 séances de 3h de cours et TP sous R. ? Plan du cours : 1. Analyse en Composantes Principales (ACP). 2. Analyse Factorielle des Correspondances (
Ch2 : Analyse en Composantes Principales (ACP)
Ce sous-espace est appelé espace factoriel du nuage. Page 7. B- construction d'un espace factoriel. • Principe de construction de
Analyse en Composantes Principales (ACP)
Analyse en Composantes Principales (ACP). – La Projection de la population d'individus: • Identifie des groupements d'individus similaires séparés.
Introduction à lAnalyse en Composantes Principales (ACP)
Meilleures re- présentations planes des individus et des variables. Valeurs propres et vecteurs propres d'une matrice de variances ou corrélation et composantes
Lanalyse en composantes principales de variables non stationnaires
30 déc. 2011 Lorsque l'on considère des séries linéairement indépendantes et stationnaires leur coefficient de corrélation est nul
Jonathan Lenoir
Combien de composantes principales? ? L'ACP d'un tableau de données à P variables et N individus admet P valeurs propres P
L'ANALYSE EN
COMPOSANTES PRINCIPALES
(A.C.P.)Pierre-Louis GONZALEZ
2Données
n individus observés sur p variables quantitatives. L'A.C.P. permet d'explorer les liaisons entre variables et les ressemblances entre individus.Résultats
Visualisation des individus
(Notion de distances entre individus)Visualisation des variables
(en fonction de leurs corrélations)INTRODUCTION
3 Mesurer la qualité des représentations obtenues : critère global critères individuels " Donner des noms aux axes »Expliquer la position des individus
Utilisation éventuelle de variables supplémentaires (illustratives)INTERPRÉTATION DES RÉSULTATS
4 X 1 X 2 X j X p x 11 x 21x i 1 x n1 x j 1 x j 2 x ij x nj x p 1 x p 2 x ip x n p n
Variable X
j p individu e i X (n,p)I. L'ANALYSE EN COMPOSANTES PRINCIPALES
LE PROBLÈME
1. LES DONNÉES
p variables quantitatives observées sur n individus.INDIVIDU = Élément de R
pVARIABLE = Élément de R
n 5 On cherche à représenter le nuage des individus.A chaque individu noté e
i , on peut associer un point dans R p = espace des individus. A chaque variable du tableau X est associé un axe de R p X 3 x i3 e i x i2 X 2 X 1 x i1Impossible à
visualiser dès que p > 3. 6 On cherche une représentation des n individus , dans un sous-espace F k de R p de dimension k ( k petit 2, 3 ...; par exemple un plan) Autrement dit, on cherche à définir k nouvelles variables combinaisons linéaires des p variables initialesqui feront perdre le moins d'information possible.2. PRINCIPE DE L'A.C.P. Ces variables seront appelées "composantes principales les axes qu'elles déterminent : "axes principaux les formes linéaires associées : "facteurs principaux 7ON VISUALISE
X 1 X 2 R p X i axe 3axe 1axe 2 F 3 axes principaux 8 " Perdre le moins d'information possible F k devra être " ajusté » le mieux possible au nuage des individus: la somme des carrés des distances des individus à F k doit être minimale. d F k est le sous-espace tel que le nuage projeté ait une inertie(dispersion) maximale. et sont basées sur les notions de : distance projection orthogonale 9 e j f j f i 2 i j i j 1 e iLa distance entre f
i et f j est inférieure ouégale à celle entre e
i et e j 103. LE CHOIX DE LA DISTANCE ENTRE INDIVIDUS
y B y A x A x B ABDans le plan:
dAB x x y yBA BA222
Dans l'espace R
p à p dimensions, on généralise cette notion : la distance euclidienne entre deux individus s'écrit ex iii ip 12 x . x.. ex jjjjp 12 x . x.. dee x x x x x x ij i j i j ip jp21122222 dee x x ij ik jk kp 221
Le problème des unités ?
11 Pour résoudre ce problème, on choisit de transformer les données en données centrées-réduites.L'observation est alors remplacée par :
x ikUNITÉS D'ÉCART TYPE:
où : moyenne de la variable X k s k = écart-type de la variableX k x ik x s k k x kExemple
Puissance moyenne de 30 voitures = 92 ch Ecart-type = 24 chLa Renault 21 TXI a une puissance de 140 ch
La Renault 21 TXI a une puissance de :
2 écarts-type au-dessus de la moyenne.
140 92
24212
4. INERTIE TOTALE
Ineg gi in d1 2 1 n2 gii i1I p de,
g ou de façon plus générale L'inertie est la somme pondérée des carrés des distances des individus au centre de gravité L'inertie mesure la dispersion totale du nuage de points. g n i i1 p = 1 avec 13 L'inertie est donc aussi égale à la somme des variances des variables étudiées.En notant V la matrice de variances-covariances :
V = s 12 12 s s 22s p1 s p1 s p2 I gi ip s 2 1 ITr V g RemarqueDans le cas où les variables sont centrées réduites, la variance de chaque variable vaut 1. L'inertie totale est alors égale à p(nombre de variables). 14 Équivalence des deux critères concernant la perte d'information F g f i e i
Soit F un sous-ensemble de R
p la projection orthogonale de sur FProjection orthogonale du
nuage sur un sous-espace f i e i eg ef fg i iiii 2221 . n..
15On va chercher F tel que :
pe f iii in soit minimal 2 1 ce qui revient d'après le théorème de Pythagore àmaximiser pf g ii in 2 1 16 eg ef fg i iiii 2221 . n..
pe g pe f pf g iiquotesdbs_dbs14.pdfusesText_20[PDF] ANALYSE ET CONCEPTION
[PDF] Analyse et conception avec UML 2.0 - EGILIA
[PDF] analyse et cotation fonctionnelle - tolã›rancement iso
[PDF] ANALYSE ET DIAGNOSTIC FINANCIER DES EQUIPEMENTS
[PDF] Analyse et modélisation du projet pilote Mobility de car sharing en
[PDF] Analyse factorielle
[PDF] analyse financière de la structure - Compte Bancaire
[PDF] ANALYSE FINANCIÈRE ET COMPTABILITÉ DE GESTION DUT - Fabrication
[PDF] Analyse financière et reporting avec Excel
[PDF] ANALYSE FINANCIERE Exercice : Calcul des besoins en fonds de
[PDF] ANALYSE FINANCIERE, GESTION FINANCIERE ET PLAN
[PDF] analyse fonctionnelle - Construction Mécanique
[PDF] Analyse fonctionnelle Cours
[PDF] Analyse fonctionnelle de la maison