[PDF] Statistique Descriptive Multidimensionnelle

D'autre part, un autre cours sur la statistique multidimensionnelle, plus indispensable pour bien comprendre le fonctionnement de toute technique factorielle On notera que Monique et Alain ont un score voisin de 0 sur l'axe 2 car ils ont

faute capitale On croit qu'un autre Moi me conduit qui me connaît et que je connais mal On voit que toute l'erreur ici consiste a gonfler un terme technique, qui

[PDF] Introduction à la pensée scientifique moderne

Tout d'abord apparaît ici un autre intérêt de la définition de la connaissance de Nozick Les deux entre les sciences théoriques et les techniques qu'elles fondent (exemple Il rejoint ici le philosophe français Alain (de son vrai nom Emile

[PDF] Education Physique et Sportive : quelques définitions

DEFINITIONS Le regard des autres J P SARTRE « L'enfer c'est les autres » SOCRATE « Il vaut mieux une tête bien pleine qu'une tête bien faite » Surpoids

[PDF] Download PDF - Jeux et techniques dexpression pour la classe de

l'introduction de ces jeu:x: et de ces techniques dans la classe de langue implique D'autres jeux de survie peuvent être facilement inventés en partant de Adelphe Agathe Agnès Aimé Aimée Alain Alban Albert Alexandre Alexis Alice

[PDF] Savoir écrire un article de presse

1 avr 2009 · ne faut pas écrire: “Monsieur Alain a expliqué comment il fait son pain Les autres paragraphes doivent suivre cette règle simple : une idée FICHE TECHNIQUE N°1 : OÙ ET COMMENT TROUVER UN SUJET D'ARTICLE?

[PDF] Statistique Descriptive Multidimensionnelle - Institut de

Publicationsde

l'InstitutdeMath ematiques deToulouse (pourlesnuls) (versiondemai2010)

AlainBaccini

Tabledesmatieres

1AnalyseenComposantesPrincipales5

2AnalyseFactorielledesCorrespondances15

3AnalysedesCorrespondancesMultiple27

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:

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

AVER|-.2366840.206059

H.G.|0.023759-.157132

GERS|-.261525-.089482

LOT|0.2551870.032261

H.P.|0.4782280.052226

TARN|-.102814-.087061

T.G.|0.1235680.068447

ColumnCoordinates

|Dim1Dim2

INF05|0.322690-.183979

quotesdbs_dbs12.pdfusesText_18

[PDF] [PDF] Statistique Descriptive Multidimensionnelle - Institut de

[PDF] Texte dAlain sur linconscient Le freudisme, si - Philocourscom

[PDF] Introduction à la pensée scientifique moderne

[PDF] Education Physique et Sportive : quelques définitions

[PDF] Download PDF - Jeux et techniques dexpression pour la classe de

[PDF] Savoir écrire un article de presse

[PDF] Statistique Descriptive Multidimensionnelle - Institut de

Publicationsde

AlainBaccini

Tabledesmatieres

1AnalyseenComposantesPrincipales5

2AnalyseFactorielledesCorrespondances15

3AnalysedesCorrespondancesMultiple27

4TABLEDESMATIERES

Avant-propos

Chapitre1

AnalyseenComposantes

Principales

Ongeneraliseennal'A.C.M.

1.2Exempleillustratifpourl'A.C.P.

1.2.1Presentation

MATHPHYSFRANANGL

1.2.EXEMPLEILLUSTRATIFPOURL'A.C.P.7

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

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

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

1.2.EXEMPLEILLUSTRATIFPOURL'A.C.P.9

Axe 1-1.0-0.50.00.51.0

Fig.1.1{Representationdesvariables

Interpretation

1.2.5Resultatssurlesindividus

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

Fig.1.2{Representationdesindividus

Interpretation

Var(C1)=1

1=8:61;sacontributionestdonc:

9(8:61)2

28:23100=29:19%:

1.3.PRESENTATIONGENERALEDELAMETHODE11

1.3Presentationgeneraledelamethode

Lesdonneesaanalyser

X1XjXp

Leproblemeatraiter

Lecritereutilise

Lamethode

1X1+a2

1X2++ap

2X1+a2