Etude des variables Aides à l'interprétation Analyse en Composantes Principales (ACP) 1 Données - Exemples 2 Etude des individus 3 Etude des variables
Previous PDF | Next PDF |
[PDF] Exemples danalyse en composantes principales
L'ACP étudie les lignes et les colonnes de la matrice centrée-réduite : Sujet Math Par exemple, la qualité de représentation d'un individu i par le plan 1-2 est
[PDF] LACP sous SPSS - LE MOAL dot org
des exemples sont issus des dictatiels du programme SPSS en lui-même L' Analyse en Composante Principale (ACP) fait partie des analyses descriptives
[PDF] Analyse en Composantes Principales avec SPSS pour Windows
en Composantes principales (ACP) peut être effectuée au moyen de la procédure d'Analyse Factorielle de SPSS (FACTOR) 2 Un exemple simple de mise en
[PDF] PASW/SPSS : Analyse en composantes principales (ACP)
3 oct 2009 · – Analyser - Matrice de corrélation/covariance : fait une ACP normée ou non- normée – A cher - Structure factorielle sans rotation : Résultat avant
[PDF] Statistique Descriptive Multidimensionnelle - Institut de
1 2 Exemple illustratif pour l'A C P ceux fournis par la plupart des logiciels de statistique (en particulier SPSS, S-plus ou R) Le tableau initial Le premier
[PDF] D- interprétation dune ACP
Kaiser en ACP normée: I/p= 1 : On ne retiendra que les axes associés à exemple ➢ acp$scores[,1] Alabama Alaska Arizona Arkansas California Colorado
[PDF] lAnalyse en Composantes Principales (ACP) - cloudfrontnet
(SPSS calcule autant de combinaisons qu'il y a d'énoncés) Page 17 3- Sélection des facteurs Problème:facteurs pas tous signifiants
[PDF] Etude de Cas : Amendis-Tanger Sous SPSS - Mohamed El Merouani
Chaque ligne représente un cas, par exemple un sujet (case) - Chaque L' analyse en composantes principales (ACP) est une technique multivariée dite
[PDF] ACP sous R - Indice KMO et test de Bartlett
19 oct 2014 · dans des logiciels commerciaux célèbres (SPSS et SAS pour ne pas les reproduire les résultats de SAS à partir d'un exemple décrit sur leur
[PDF] Analyse en composantes principales (ACP) - Fun MOOC
Etude des variables Aides à l'interprétation Analyse en Composantes Principales (ACP) 1 Données - Exemples 2 Etude des individus 3 Etude des variables
[PDF] kaiser-meyer-olkin test
[PDF] test de bartlett exemple
[PDF] comprendre et réaliser les tests statistiques ? l’aide de r
[PDF] bartlett test interpretation
[PDF] dunn test r
[PDF] analyse de variance avec r
[PDF] kruskalmc
[PDF] var.test r
[PDF] test homogénéité des variances
[PDF] test de comparaison de moyenne r
[PDF] soie d'araignée composition
[PDF] la soie d'araignée correction
[PDF] etude d'une lotion capillaire
[PDF] soie d'araignée vetement
Données - ExemplesEtude des individus Etude des va riablesAides à l"interp rétation
Analyse en composantes principales (ACP)
François Husson
Laboratoire de mathématiques appliquées - Agrocampus Rennes husson@agrocampus-ouest.fr 1/35 Données - ExemplesEtude des individus Etude des va riablesAides à l"interp rétation Analyse en Composantes Principales (ACP)1Données - Exemples2Etude des individus
3Etude des variables
4Aides à l"interprétation
2/35 Données - ExemplesEtude des individus Etude des va riablesAides à l"interp rétationQuel type de données?
L"ACP s"intéresse à des tableaux de données rectangulaires avec des individus en lignes et des va riablesquantitatives e ncolonnesFigure:T ableaude
données en ACPPour la variablek, on note : la moyenne :¯xk=1I I i=1x ik l"écart-type :sk=? ???1 I I i=1(xik-¯xk)2 3/35 Données - ExemplesEtude des individus Etude des va riablesAides à l"interp rétationExemples
Analyse sensorielle : note du
de scripteurkpour lep roduitiEcologie : concentration du
p olluantkdans larivière iEconomie : valeur de l"
indicateurkpour l"annéeiGénétique : expression du
gène kpour lepatient iBiologie :
mesure kpour l"animaliMarketing : valeur d"
indice de satisfactionkpour lama rqueiSociologie :
temps passé à l"activité kpar les individus de la CSPi etc. ?Il existe de très nombreux tableaux comme cela 4/35 Données - ExemplesEtude des individus Etude des va riablesAides à l"interp rétationLes données température
15 individus (lignes) : villes de France
14 variables (colonnes) :
12 températures mensuelles moyennes (sur 30 ans)
2 variables géographiques (latitude, longitude)Janv Févr Mars Avri Mai Juin juil Août Sept Octo Nove Déce
Lati Long
Bordeaux 5.6 6.6 10.3 12.8 15.8 19.3 20.9 21 18.6 13.8 9.1 6.244.5 -0.34
Brest 6.1 5.8 7.8 9.2 11.6 14.4 15.6 16 14.7 12 9 748.24 -4.29
Clermont 2.6 3.7 7.5 10.3 13.8 17.3 19.4 19.1 16.2 11.2 6.6 3.645.47 3.05
Grenoble 1.5 3.2 7.7 10.6 14.5 17.8 20.1 19.5 16.7 11.4 6.5 2.345.1 5.43
Lille 2.4 2.9 6 8.9 12.4 15.3 17.1 17.1 14.7 10.4 6.1 3.550.38 3.04
Lyon 2.1 3.3 7.7 10.9 14.9 18.5 20.7 20.1 16.9 11.4 6.7 3.145.45 4.51
Marseille 5.5 6.6 10 13 16.8 20.8 23.3 22.8 19.9 15 10.2 6.943.18 5.24
Montpellier 5.6 6.7 9.9 12.8 16.2 20.1 22.7 22.3 19.3 14.6 10 6.543.36 3.53
Nantes 5 5.3 8.4 10.8 13.9 17.2 18.8 18.6 16.4 12.2 8.2 5.547.13 -1.33
Nice 7.5 8.5 10.8 13.3 16.7 20.1 22.7 22.5 20.3 16 11.5 8.243.42 7.15
Paris 3.4 4.1 7.6 10.7 14.3 17.5 19.1 18.7 16 11.4 7.1 4.348.52 2.2
Rennes 4.8 5.3 7.9 10.1 13.1 16.2 17.9 17.8 15.7 11.6 7.8 5.448.05 -1.41
Strasbourg 0.4 1.5 5.6 9.8 14 17.2 19 18.3 15.1 9.5 4.9 1.348.35 7.45
Toulouse 4.7 5.6 9.2 11.6 14.9 18.7 20.9 20.9 18.3 13.3 8.6 5.543.36 1.26
Vichy 2.4 3.4 7.1 9.9 13.6 17.1 19.3 18.8 16 11 6.6 3.446.08 3.265/35
Données - ExemplesEtude des individus Etude des va riablesAides à l"interp rétationProblèmes - objectifs
Le tableau peut être vu comme un ensemble de lignes ou un ensemble de colonnesEtude des individus
Quand dit-on que 2 individus se ressemblent du point de vue de l"ensemble des variables? Si beaucoup d"individus, peut-on faire un bilan des ressemblances? ?construction de groupes d"individus, partition des individus 6/35 Données - ExemplesEtude des individus Etude des va riablesAides à l"interp rétationProblèmes - objectifs
Etude des variables
Recherche des ressemblances entre variables
Entre variables, on parle plutôt de liaisons
Liaisons linéaires sont simples, très fréquentes et résument de nombreuses liaisons?coefficient de corrélation ?visualisation de la matrice des corrélations ?recherche d"un petit nombre d"indicateurs synthétiques pour résumer beaucoup de variables (ex. d"indicateur synthétique a priori : la moyenne, mais ici on recherche des indicateurs synthétiques a posteriori, à partir des données) 7/35 Données - ExemplesEtude des individus Etude des va riablesAides à l"interp rétationProblèmes - objectifs
Lien entre les deux études
Caractérisation des classes d"individus par les variables ?besoin de procédure automatique Individus spécifiques pour comprendre les liaisons entre variables ?utilisation d"individus extrêmes (en terme de variables : langage abstrait mais puissant, revenir aux individus pour voir les choses plus simplement)Objectifs de l"ACP :
Descriptif - exploratoire : visualisation de données par graphiques simples Synthèse - résumé de grands tableaux individus×variables 8/35 Données - ExemplesEtude des individus Etude des va riablesAides à l"interp rétationDeux nuages de pointsX
X indi var k i i ind 1 var 1 1 1 1 1Etude des individus
Etude des variablesFigure:Deux nu agesde p oints9/35 Données - ExemplesEtude des individus Etude des va riablesAides à l"interp rétation Analyse en Composantes Principales (ACP)1Données - Exemples2Etude des individus
3Etude des variables
4Aides à l"interprétation
10/35 Données - ExemplesEtude des individus Etude des va riablesAides à l"interp rétationLe nuage des individusNI
1 individu = 1 ligne du tableau?1 point dans un espace àKdim
SiK=1 : Représentation axiale
SiK=2 : Nuage de points
SiK=3 : Représentation + difficile en 3D
SiK=4 : Impossible à représenter MAIS le concept est simple Notion de ressemblance : distance (au carré) entre individusieti?: d2(i,i?) =K?
k=1(xik-xi?k)2(merci Pythagore) Etude des individus≡Etude de la forme du nuageNI 11/35 Données - ExemplesEtude des individus Etude des va riablesAides à l"interp rétationLe nuage des individusNI
Etudier la structure,i.e.la forme du nuage des individusLes individus vivent dansRK
12/35 Données - ExemplesEtude des individus Etude des va riablesAides à l"interp rétationCentrage - réduction des données
Centrer les données ne modifie pas la forme du nuage ?toujours centrer+55606570758085
1.5 1.6 1.7 1.8 1.9 poids (en kg)Taille (en m)
5055606570758085
-10 -5 0 5 10 15 poids (en kg)Taille (en m)
-20-1001020 150160
170
180
190
poids (en quintal)
Taille (en cm)
Réduire les données est indispensable si les unités de mesure sont différentes d"une variable à l"autre x ik?→xik-¯xks k 13/35 Données - ExemplesEtude des individus Etude des va riablesAides à l"interp rétationCentrage - réduction des donnéesJanv Févr Mars Avri Mai Juin juil Août Sept Octo Nove Déce
Bordeaux 0.84 0.98 1.40 1.33 0.94 0.85 0.52 0.74 0.90 0.84 0.67 0.72 Brest 1.10 0.54 -0.29 -1.30 -1.95 -1.98 -2.06 -1.83 -1.28 -0.18 0.62 1.14 Clermont -0.71 -0.63 -0.50 -0.50 -0.44 -0.31 -0.21 -0.24 -0.44 -0.63 -0.76 -0.66 Grenoble -1.28 -0.90 -0.36 -0.28 0.05 -0.02 0.13 -0.03 -0.16-0.52 -0.82 -1.35 Lille -0.81 -1.07 -1.51 -1.52 -1.40 -1.46 -1.33 -1.27 -1.28 -1.09 -1.05 -0.71 Lyon -0.97 -0.85 -0.36 -0.06 0.32 0.38 0.42 0.27 -0.05 -0.52 -0.70 -0.92 Marseille 0.79 0.98 1.20 1.48 1.63 1.71 1.69 1.66 1.63 1.52 1.30 1.09 Montpellier 0.84 1.03 1.13 1.33 1.22 1.31 1.39 1.41 1.30 1.291.19 0.87 Nantes 0.53 0.26 0.11 -0.13 -0.37 -0.37 -0.50 -0.50 -0.33 -0.07 0.16 0.35 Nice 1.82 2.03 1.74 1.70 1.56 1.31 1.39 1.51 1.86 2.08 2.05 1.77 Paris -0.30 -0.41 -0.43 -0.20 -0.09 -0.19 -0.36 -0.45 -0.55 -0.52 -0.47 -0.29 Rennes 0.43 0.26 -0.23 -0.64 -0.92 -0.94 -0.94 -0.91 -0.72 -0.41 -0.07 0.29 Strasbourg -1.84 -1.85 -1.78 -0.86 -0.30 -0.37 -0.41 -0.65 -1.06 -1.60 -1.74 -1.87 Toulouse 0.37 0.42 0.65 0.45 0.32 0.50 0.52 0.69 0.74 0.55 0.39 0.35Vichy -0.81 -0.79 -0.77 -0.79 -0.57 -0.42 -0.26 -0.39 -0.55 -0.75 -0.76 -0.76ACP≡Analyse du tableau centré-réduit
Difficile de voir le nuageNI?on essaie d"en avoir une image approchée 14/35 Données - ExemplesEtude des individus Etude des va riablesAides à l"interp rétationAjustement du nuage des individus
L"ACP vise à fournir une image simplifiée deNIla + fidèle possible ??Trouver le sous-espace qui résume au mieux les donnéesQualité d"une image :
Restitue fidèlement la forme générale du nuage (animation)14/35 Données - ExemplesEtude des individus Etude des va riablesAides à l"interp rétationAjustement du nuage des individus
L"ACP vise à fournir une image simplifiée deNIla + fidèle possible ??Trouver le sous-espace qui résume au mieux les donnéesQualité d"une image :
Restitue fidèlement la forme générale du nuage (animation) Meilleure représentation de la diversité, de la variabilitéNe perturbe pas les distances entre individus
Comment quantifier la qualité d"une image?
A l"aide de la notion de dispersion ou variabilité appeléeInertie
Inertie≡variance généralisée à plusieurs dimensions 15/35 Données - ExemplesEtude des individus Etude des va riablesAides à l"interp rétationAjustement du nuage des individus
Figure:Quel anim al?( illustration JP Fénelon)
16/35 Données - ExemplesEtude des individus Etude des va riablesAides à l"interp rétationAjustement du nuage des individus
Comment trouver la meilleure image approchée du nuage?1Trouver l"axe (facteur) qui déforme le moins possible le nuagex
min max (iHi)2petit avecHi?axe? (OHi)2grand (Pythagore) ?on veut? i(OHi)2grand2Trouver le meilleur plan : maximiser i(OHi)2avecHi?plan Meilleur plan contient le meilleur axe : on chercheu2?u1et maximisant? i(OHi)23on peut chercher un 3ème axe, etc. d"inertie maximum 16/35 Données - ExemplesEtude des individus Etude des va riablesAides à l"interp rétationExemple : graphe des individus-4 -2 0 2 4 6
-202 4Dimension 1 (79.85%)
Dimension 2 (18.97%)
BordeauxBrest
Clermont
GrenobleLille
LyonMarseilleMontpellierNantes
NiceParisRennes
Strasbourg
Toulouse
Vichy -4 -2 0 2 4 6 -202 4 -4 -2 0 2 4 6 -202 4BordeauxBrest
Clermont
Lille LyonMarseilleMontpellierNantes
NiceParisRennes
Strasbourg
Toulouse
VichyComment interpréter les axes? Qu"est-ce qui oppose Lille à Nice? ?Besoin de variables pour interpréter ces dimensions de variabilité 17/35 Données - ExemplesEtude des individus Etude des va riablesAides à l"interp rétation Interprétation du graphe des individus grâce aux variables Considérons les coordonnées des individus sur les axes comme des variables02 4Dim 2 (18.97%)
Bordeaux
Brest LilleNantes
Nice ParisRennes
ik( i1i2(4.1-2.3F
i2= 4.1F .1F.2 -4 -2 0 2 4 6 -20Dim 1 (79.85%)
Bordeaux
Clermont
Grenoble
LyonMarseilleMontpellierParis
StrasbourgToulouse
VichyFi1= -2.318/35
Données - ExemplesEtude des individus Etude des va riablesAides à l"interp rétation Interprétation du graphe des individus grâce aux variables Corrélations entre la variablex.ketF.1(etF.2)xJanv 10-11 -1 x1 x)( x2 x)?Cercle des corrélations 19/35 Données - ExemplesEtude des individus Etude des va riablesAides à l"interp rétation Interprétation du graphe des individus grâce aux variables-1.0 -0.5 0.0 0.5 1.0 -1.0 -0.50.0 0.5 1.0Dim 1 (79.85%)
Dim 2 (18.97%)
JanvFévr
MarsAvri
MaiJuinjuilAoûtSeptOctoNove
Déce
-1.0 -0.5 0.0 0.5 1.0 -1.0 -0.50.0 0.5 1.0Dim 1 (79.85%)
Dim 2 (18.97%)
JanvFévr
MarsAvri
MaiJuinjuilAoûtSeptOctoNove
DéceToutes les variables sont corré-
lées àF1.Comment interpréter le 1er axe?
Comment interpréter le 2ème?
Principaux facteurs de variabilité :
1 - villes chaudes et froides ; 2 -à T
omoyenne constante : l"amplitude thermique20/35 Données - ExemplesEtude des individus Etude des va riablesAides à l"interp rétation Analyse en Composantes Principales (ACP)1Données - Exemples2Etude des individus
3Etude des variables
4Aides à l"interprétation
21/35Données - ExemplesEtude des individus Etude des va riablesAides à l"interp rétation
Nuage des variablesNKO
1 xikxik1 variable = 1 point dans un espaceàIdimensions
cos(θkl) =Ii=1xikxil??
Ii=1x2ik??
Ii=1x2il
Comme les variables sont
centr ées : cos (θkl)=r(x.k,x.l)Si variables
réduites ?points sur une hypersphère de rayon1 22/35Données - ExemplesEtude des individus Etude des va riablesAides à l"interp rétation