Vous êtes sur la page 1sur 9

Master 1 MIM 3 TD 3 AFC p.

1

TP 3 : Recherche des axes factorielles en AFC et exemples



I Exercice du cours

Tableau de contingence N
cheveux
yeux
blond roux brun total
bleu 10 10 10
vert 7 6 7
marron 13 4 33
total

1/ Construire le tableau.

2/ Construire la matrice P des frquences relatives, les vecteurs colonnes FI et FJ des frequences
marginales lignes et colonnes, les matrices DI, DJ et leur inverse
1
I
D et
1
J
D

3/ Dterminer les matrices L et C des profils lignes et colonnes puis L0 et C0 des profils lignes et
colonnes centrs.

4/ Etudier la liaison entre les deux variables.

5/ Raliser la dvs sur :
a. (L,
1
J
D ,
I
D ) et (L0,
1
J
D ,
I
D )
b. (C0,,
1
I
D ,
J
D ) et (C0,,
1
I
D ,
J
D )
c. (X=
1
I
D P
1
J
D ,Q=
J
D ,D=
I
D )

Comparer les rsultats et effectuer les projections des profils.


II Etude dun tableau laide dune AFC
On considre le tableau de contingence suivant :
(
(
(
(

1 0 0
1 0 1
0 1 1
0 0 1
D
C
B
A
Z Y X

1/ Calcul des frquences et profils
Calculer le tableau des frquences relatives, F, les frquences marginales f
i.
et f
.j
et les profils lignes L et
colonnes C.

2/ Calcul des distances
Calculer les distances entre les modalits A, B, C et D de la premire variable. Les rsultats seront
reprsents sous forme dun tableau.
rappel :
|
|

\
|

=
=
'.
'
.
1
) ' , (
2
1 .

i
j i
i
ij
f
i i d
f
f
f
f J
j j


Master 1 MIM 3 TD 3 AFC p. 2

3/ Construire la matrice
(
(

=
j i
ij
f f
f
X
. .
=
(
(

j i
ij
n n
n
. .


4/ Valeurs propres et inertie
Les valeurs propres sont:
0
=1
1
=
2
3

2
=
1
4
.
a. Quel est linertie totale du nuages par rapport G
I
?
b.. En dduire les % dinertie projete sur les diffrents axes.


5/ Vecteurs propres et projection des profils ligne
a. Calculer les vecteurs propres norms
*
0
u
*
1
u
*
2
u pour la norme usuelle de
t
XX.
b. En dduire les facteurs principaux F
1
et F
2
.

rappel : F
1
=
*
1
2 / 1
u LD
J

avec D
j
la matrice diagonale (f
.j
).

c. Reprsenter les points ligne dans le plan (F
1
,F
2
)


6/ Projection des profils colonne
a. Calculer les coordonnes G
1
G
2
pour les profils lignes laide des formules de transition.

rappel :
*
1
2 / 1
1 1
u D G
J

= .

b. Reprsenter les points colonnes dans le mme plan (G
1
,G
2
)=(F1,F2).
Partie B : Calculs l'aide du logiciel R.

1/ Traiter les diffrentes questions de la partie A l'aide du logiciel R.

La suite des commandes, ainsi que les rsultats, seront nots dans un fichier word.

Toutes les commandes ncessaires ont t utilises au TP1.

2/ Construire une fonction dans R qui pour tout tableau A donn en argument donne en sortie le
tableau des frquences relatives, les frquences marginales, les profils lignes et colonnes, les
valeurs propres non triviales, les axes de projection, les coordonnes F et G.


II Etude d'un second exemple
Reprendre les tapes du I (manuel + vrification sous R) avec le tableau de donnes :
Z Y X
E
D
C
B
A
(
(
(
(
(
(

2 2 0
2 0 1
2 0 0
0 1 1
0 0 1





Master 1 MIM 3 TD 3 AFC p. 3

III Analyse de tableaux de donnes

Exemple I : Catgrorie socio-professionnelles et alimentation
Le tableau dcrit la consommation annuelle en francs d'un mnage pour diffrentes denres alimentaires
en 1972. MA, EM, CA indiquent la catgorie socio-professionnelle et 2,3,4,5 la taille du foyer.
> csp=read.table("csp.txt")
pain legu frui vian vola lait vin
MA2 332 428 354 1437 526 247 427
EM2 293 559 388 1527 567 239 258
CA2 372 767 562 1948 927 235 433
MA3 406 563 341 1507 544 324 407
EM3 386 608 396 1501 558 319 363
CA3 438 843 689 2345 1148 243 341
MA4 534 660 367 1620 638 414 407
EM4 460 699 484 1856 762 400 416
CA4 385 789 621 2366 1149 304 282
MA5 655 776 423 1848 759 495 486
EM5 584 995 548 2056 893 518 319
CA5 515 1097 887 2630 1167 561 284

1. a. A quelles questions permet de rpondre ce tableau ?
b. Quelles mthodes d'analyse de ce tableau peut-on envisager ?

2. a. Calculer le profil ligne de MA2 et le profil colonne de vin.
b. Que reprsentent ces profils ?
d. Interprter les poids des lignes et colonnes.

Profils ligne
> round(csp/apply(csp,1,sum),2)
pain legu frui vian vola lait vin
MA2
EM2 0.08 0.15 0.10 0.40 0.15 0.06 0.07
CA2 0.07 0.15 0.11 0.37 0.18 0.04 0.08
MA3 0.10 0.14 0.08 0.37 0.13 0.08 0.10
EM3 0.09 0.15 0.10 0.36 0.14 0.08 0.09
CA3 0.07 0.14 0.11 0.39 0.19 0.04 0.06
MA4 0.12 0.14 0.08 0.35 0.14 0.09 0.09
EM4 0.09 0.14 0.10 0.37 0.15 0.08 0.08
CA4 0.07 0.13 0.11 0.40 0.19 0.05 0.05
MA5 0.12 0.14 0.08 0.34 0.14 0.09 0.09
EM5 0.10 0.17 0.09 0.35 0.15 0.09 0.05
CA5 0.07 0.15 0.12 0.37 0.16 0.08 0.04
Profils colonne
> round(t(t(csp)/apply(t(csp),1,sum)),2)
pain legu frui vian vola lait vin
MA2 0.06 0.05 0.06 0.06 0.05 0.06
EM2 0.05 0.06 0.06 0.07 0.06 0.06
CA2 0.07 0.09 0.09 0.09 0.10 0.05
MA3 0.08 0.06 0.06 0.07 0.06 0.08
EM3 0.07 0.07 0.07 0.07 0.06 0.07
CA3 0.08 0.10 0.11 0.10 0.12 0.06
MA4 0.10 0.08 0.06 0.07 0.07 0.10 0.09
EM4 0.09 0.08 0.08 0.08 0.08 0.09 0.09
CA4 0.07 0.09 0.10 0.10 0.12 0.07 0.06
MA5 0.12 0.09 0.07 0.08 0.08 0.12 0.11
EM5 0.11 0.11 0.09 0.09 0.09 0.12 0.07
CA5 0.10 0.12 0.15 0.12 0.12 0.13 0.06

Poids des lignes et colonnes
> round(apply(csp,1,sum)/sum(csp),2)
MA2 EM2 CA2 MA3 EM3 CA3 MA4 EM4 CA4 MA5 EM5 CA5
0.06 0.06 0.09 0.07 0.07 0.10 0.08 0.08 0.10 0.09 0.10 0.12
> round(apply(csp,2,sum)/sum(csp),2)
pain legu frui vian vola lait vin
0.09 0.14 0.10 0.37 0.16 0.07 0.07
Master 1 MIM 3 TD 3 AFC p. 4

3. Valeurs propres et axes
a. Justifier que deux axes aient t retenus.
b. Expliquer le calcul de 6 valeurs propres.
> library(ade4)
> afc <- dudi.coa(csp)
> round(afc$eig,3)
[1] 0.014 0.005 0.001 0.001 0.000 0.000
> round(afc$eig/sum(afc$eig)*100)
[1] 66 25 5 2 1 1

4. Profils lignes et colonnes
a. Etudier la qualit de reprsentation des profils ligne dans le plan F1-F2.
b. Il manque le profil vin sur le plan F1-F2. Replacer le.
c. Etudier la qualit de reprsentation des profils colonne dans le plan F1-F2.
d. Interprter chacun des axes.
e. Proposer une synthse de ces rsultats.

> inertie <-inertia.dudi(afc, row.inertia=TRUE)
Coordonnes profils ligne
> round(afc$li,2)
Axis1 Axis2
MA2 -0.10 -0.14
EM2 0.04 -0.02
CA2 0.08 -0.09
MA3 -0.13 -0.05
EM3 -0.08 -0.01
CA3 0.16 -0.05
MA4 -0.15 0.02
EM4 -0.05 -0.01
CA4 0.17 -0.02
MA5 -0.17 0.03
EM5 -0.03 0.12
CA5 0.11 0.10
[CTR en %]
> round(inertie$row.abs/100)
Axis1 Axis2
MA2 4 24
EM2 1 0
CA2 4 14
MA3 8 3
EM3 3 0
CA3 18 4
MA4 13 1
EM4 2 0
CA4 20 1
MA5 18 2
EM5 1 27
CA5 10 24
[QLT en %]
> round(inertie$row.re/100)
Axis1 Axis2 con.tra
MA2 -29 -64 10
EM2 31 -5 2
CA2 34 -49 7
MA3 -86 -11 6
EM3 -80 -2 3
CA3 87 -7 14
MA4 -94 2 9
EM4 -81 -2 1
CA4 90 -1 14
MA5 -91 3 13
EM5 -5 89 8
CA5 46 43 14

Master 1 MIM 3 TD 3 AFC p. 5

> inertie <-inertia.dudi(afc, col.inertia=TRUE)
Coordonnes profils colonne
> round(afc$co,2)
Comp1 Comp2
pain -0.19 0.04
legu 0.01 0.07
frui 0.13 0.01
vian 0.04 -0.03
vola 0.12 -0.02
lait -0.19 0.15
vin -0.23 -0.19
[CTR en %]
> round(inertie$col.abs/100)
Comp1 Comp2
pain 22 3
legu 0 13
frui 11 0
vian 4 5
vola 17 1
lait 18 31
vin 29 48
[QLT en %]
> round(inertie$col.re/100)
Comp1 Comp2 con.tra
pain -87 5 17
legu 1 66 5
frui 79 1 10
vian 51 -25 5
vola 84 -2 13
lait -58 38 20
vin -61 -38 31

> s.label(afc$li,xax=1,yax=2)
> s.label(afc$co,xax=1,yax=2,add.plot=T,boxes=F)

> pro <- as.factor(c("MA","EM","CA","MA","EM","CA","MA","EM","CA","MA","EM","CA"))
> nb <- as.factor(c(2,2,2,3,3,3,4,4,4,5,5,5))
> s.class(afc$li,xax=1,yax=2,fac=pro)
> s.class(afc$li,xax=1,yax=2,fac=nb)


master pro - analyse des donnes TP 2 : Axes factorielles en ACP p. 6



master pro - analyse des donnes TP 2 : Axes factorielles en ACP p. 7
Exemple II : lections prsidentielle de 2002
corrig sur le site du dpartement de mathmatiques.

Dans un sondage, on a interrog les lecteurs de 12 priodiques sur leur vote au premier tour des
prsidentielle 2002 (100 lecteurs par priodiques). Les rsultats sont dans le tableau ci-dessous.


L
a

C
r
o
i
x

L
e

F
i
g
a
r
o

L
i
b

r
a
t
i
o
n

L
e

M
o
n
d
e

L
e

P
a
r
i
s
i
e
n

L
e

C
a
n
a
r
d

L
'
E
x
p
r
e
s
s

M
a
r
i
a
n
n
e

N
o
u
v
e
l

O
b
s

P
a
r
i
s

M
a
t
c
h

T

r
a
m
a

L
e

P
o
i
n
t

T
o
t
a
l

%

Laguiller 0 2 6 5 4 8 4 6 4 4 4 2 49 4
Besancenot 2 2 8 6 3 7 2 6 7 2 8 2 55 5
Hue 2 0 3 2 4 5 1 2 2 1 5 1 28 2
Jospin 3 7 41 26 12 29 15 19 35 15 28 7 237 20
Taubira 2 1 5 3 2 2 2 3 3 0 4 3 30 3
Chevnement 2 2 5 5 4 7 4 15 5 2 7 2 60 5
Mamre 4 1 10 7 6 9 5 4 8 2 13 1 70 6
Lepage 5 3 0 2 1 2 2 2 1 2 2 2 24 2
Saint Joss 3 1 1 1 1 4 3 3 1 3 0 1 22 2
Bayrou 20 8 2 5 6 4 8 10 6 7 10 8 94 8
Madelin 2 9 2 4 2 2 9 5 3 4 3 9 54 5
Chirac 29 35 9 18 23 8 22 9 14 29 9 41 246 21
Boutin 8 3 0 1 2 0 1 1 1 2 2 2 23 2
Megret 2 3 0 2 2 2 5 3 0 2 0 1 22 2
Le Pen 14 22 7 12 27 10 16 10 9 22 3 16 168 14
Blanc 2 1 1 1 1 1 1 2 1 3 2 2 18 2
Total 100 100 100 100 100 100 100 100 100 100 100 100 1200 100

a. Indiquer, en justifiant vos propos, la (es) mthode(s) factorielle(s) que l'on pourrait utiliser pour traiter
les donnes.

b. Analyser avec soins les rsultats obtenus.

master pro - analyse des donnes TP 2 : Axes factorielles en ACP p. 8

Rsultats de l'analyse factorielle

Valeurs propres et pourcentage de variance :
F1 F2 F3 F4 F5 F6 F7 F8 F9 F10 F11
Valeur propre 0,206 0,047 0,032 0,020 0,009 0,008 0,005 0,002 0,002 0,001 0,000
% variance 62,164 14,236 9,549 6,105 2,857 2,280 1,452 0,624 0,509 0,172 0,053
% cumul 62,164 76,399 85,948 92,053 94,910 97,190 98,642 99,266 99,775 99,947 100,0













Profils colonne Ctr % Cosinus carrs
F1 F2 F3 F1 F2 F3
La Croix 14,478 57,103 3,043 0,506 0,457 0,016
Le Figaro 14,890 4,680 0,006 0,887 0,064 0,000
Libration 19,209 3,051 9,421 0,881 0,032 0,066
Le Monde 1,546 1,336 0,431 0,674 0,133 0,029
Le Parisien 1,609 2,770 0,011 0,196 0,077 0,000
Le Canard 9,600 0,076 5,231 0,749 0,001 0,063
L'Express 1,668 2,890 9,388 0,266 0,106 0,230
Marianne 2,163 4,349 55,414 0,165 0,076 0,649
Nouvel Obs 6,879 0,283 7,289 0,770 0,007 0,125
Paris Match 4,895 4,626 0,001 0,585 0,127 0,000
Tlrama 10,237 14,557 5,336 0,640 0,208 0,051
Le Point 12,826 4,279 4,429 0,727 0,056 0,039

Profils lignes Ctr % Cosinus carrs
F1 F2 F3 F1 F2 F3
Laguiller 3,043 2,356 5,263 0,628 0,111 0,167
Besancenot 6,177 0,419 0,306 0,935 0,015 0,007
Hue 2,189 1,886 0,192 0,441 0,087 0,006
Jospin 29,545 3,955 6,636 0,909 0,028 0,031
Taubira 1,415 0,364 1,443 0,461 0,027 0,072
Chevnement 3,988 2,724 36,518 0,338 0,053 0,475
Mamre 8,042 2,519 4,360 0,755 0,054 0,063
Lepage 1,303 6,057 0,174 0,403 0,429 0,008
Saint Joss 0,069 0,464 10,185 0,018 0,027 0,402
Bayrou 3,240 34,693 0,130 0,283 0,695 0,002
Madelin 2,507 5,844 2,867 0,307 0,164 0,054
Chirac 23,966 4,527 9,968 0,878 0,038 0,056
Boutin 4,404 21,686 3,572 0,427 0,481 0,053
Megret 1,176 0,368 17,408 0,225 0,016 0,512
Le Pen 8,798 11,546 0,951 0,568 0,171 0,009
Blanc 0,137 0,591 0,026 0,102 0,100 0,003

master pro - analyse des donnes TP 2 : Axes factorielles en ACP p. 9
Points-lignes et points-colonnes (axes F1 et F2 : 76 %)
Blanc
Le Pen
Megret
Boutin
Chirac
Madelin
Bayrou
Saint Joss
Lepage
Mamre
Chevnement
Taubira
Jospin
Hue
Besancenot
Laguiller
Le Point
Tlrama
Paris Match
Nouvel Obs
Marianne
L'Express
Le Canard
Le Parisien
Le Monde
Libration
Le Figaro
La Croix
-0,4
-0,2
0
0,2
0,4
0,6
0,8
-0,8 -0,6 -0,4 -0,2 0 0,2 0,4 0,6 0,8
-- axe F1 (62 %) -->
-
-

a
x
e

F
2

(
1
4

%
)

-
-
>

Points-lignes et points-colonnes (axes F1 et F3 : 72 %)
Blanc
Le Pen
Megret
Boutin
Chirac
Madelin
Bayrou
Saint Joss
Lepage
Mamre
Chevnement
Taubira
Jospin
Hue Besancenot
Laguiller
Le Point
Tlrama
Paris Match
Nouvel Obs
Marianne
L'Express
Le Canard
Le Parisien
Le Monde
Libration
Le Figaro
La Croix
-0,3
-0,2
-0,1
0
0,1
0,2
0,3
0,4
0,5
0,6
-0,8 -0,6 -0,4 -0,2 0 0,2 0,4 0,6 0,8
-- axe F1 (62 %) -->
-
-

a
x
e

F
3

(
1
0

%
)

-
-
>

Vous aimerez peut-être aussi