Vous êtes sur la page 1sur 30

ADE-4

Structures une seule


dimension
Rsum
Il arrive souvent quune analyse multivarie conduise linterprtation dun
seul facteur. La fiche regroupe la description des outils graphiques qui sont
utiles dans cette circonstance.

Plan
1 Introduction................................................................................ 2
2 Le cas de lACP norme ............................................................ 2
3 Le cas de lAFC ......................................................................... 6
4 Le cas de lACM....................................................................... 14
5 Ordination rciproque sur un gradient ..................................... 19
Rfrences ...................................................................................... 29

D. Chessel & J. Thioulouse

______________________________________________________________________
ADE-4 / Fiche thmatique 2.7 / 97-07 / page 1

1 Introduction
On aborde ici une situation qui nest pas rare et quon peut rsumer simplement par
lapparition dun graphe des valeurs propres du type :

La plupart des outils graphiques utiliss en analyse des donnes sont conus pour
tudier des plans factoriels. On est alors oblig de conserver un second facteur quon
sait tre dintrt nul uniquement pour reprsenter deux dimensions une structure qui
nen na quune. Dans ADE-4, un effort a t fait pour possder les outils graphiques
associs. Ces outils renvoient aux thormes fondamentaux associs aux diffrents
types danalyse.

2 Le cas de lACP norme


La question intervient souvent en cas deffet taille (Cf. 1 p. 56). Toutes les variables
sont corrles positivement entre elles. Utiliser le dossier de travail cr par la carte
Ombres de la pile ADE-4data :

Excuter lACP norme du fichier Omb (PCA : Correlation matrix PCA) :

Tracer les valeurs propres (Curves : Eigenvalues) :

Le premier facteur suppose un traitement particulier. Utiliser le fait que la premire


coordonne des lignes est une variable artificielle qui maximise 2 la somme de ses
______________________________________________________________________
ADE-4 / Fiche thmatique 2.7 / 97-07 / page 2

carrs de corrlation avec les variables observes. Tracer donc les nuages coordonne
de rang 1 versus chacune des variables (Curves : Lines) :

10

11

12

13

4.4
-7.5

9.2

-2.5

La longueur totale du corps (variable 1) est la meilleure indication de leffet taille.


Les corrlations entre coordonne des lignes de rang 1 et variables sont exactement les
coordonnes des colonnes de rang 1 (fichier Omb.cnco). On peut encore tracer les
droites de rgression avec CurveModels : Polynomials :

______________________________________________________________________
ADE-4 / Fiche thmatique 2.7 / 97-07 / page 3

Cette option est encore disponible dans ADEScatters : Two tables Draftman :

Utiliser la carte Karst pour observer un autre exemple :

On peut labelliser une des fentres du graphe coordonne-variables (dit graphe


canonique de lACP norme). Tracer la fentre (CurveModels : Polynomials) :

______________________________________________________________________
ADE-4 / Fiche thmatique 2.7 / 97-07 / page 4

Conserver les paramtres de fentrage pour obtenir des sries dtiquettes


(Graph1D : Labels) :

Temprature

Allonal
Guyottes
Verjon
Tarcia
La_Balme
Nantey
Loisia
Corveissiat
Challes
Samognat
Maillat

3
-5

Fetigny
Heria
Enrage

4
-3

Guyottes
Allonal
Verjon

La_Balme
Nantey
Corveissiat

Loisia
Tarcia

Challes
Maillat
Samognat

Fetigny
Enrage
Heria

______________________________________________________________________
ADE-4 / Fiche thmatique 2.7 / 97-07 / page 5

Ouvrir un fichier du logiciel de dessin vectoris et travailler directement des fentres


des modules dADE-4 (Copier) dans la fentre de dessin (Coller). En cas dACP un
seul facteur de signification sure, on vitera donc les cartes factorielles abusives : le
graphe canonique est parfaitement explicite. Il contient toute linformation traite et son
interprtation 3 .

3 Le cas de lAFC
Le graphe canonique de lAFC est tout aussi explicite. Prenons comme exemple les
donnes4 proposes par la carte JV73_Poissons de la pile ADE-4Data :

Un facteur contient lessentiel de la structure. Reprsenter les donnes (Tables :


Values) :

______________________________________________________________________
ADE-4 / Fiche thmatique 2.7 / 97-07 / page 6

Lanalyse donne un score des lignes et un score des colonnes qui maximise la
corrlation mesure travers le tableau 5 . Cette proprit est exprime par le tableau
dont les lignes et les colonnes sont positionnes par la premire coordonne 6 :

Enlever la grille mais tiqueter les marges par Graph1D : Labels :


1.7
-1.3

1.2

-1.2

Omb
Chb

Lam

Tru

Vai

Bla

Loc

Lot

Bar

Bro

Che

Tox

Van

Tan

Hot

Gou

Spi

Per

Gar

La deuxime dimension graphique est utilise pour les donnes et lexplicitation de


la structure (zone Truite et zone Barbeau, position centrale dun groupe de 4
espces). Il ny a pas deffet Guttman parce quil ny a pas de taxon caractristique du
milieu du gradient.

______________________________________________________________________
ADE-4 / Fiche thmatique 2.7 / 97-07 / page 7

-2

+1
Sitelle torchepot
Msange longue queue
Rouge-gorge
Fauvette tte noire
Msange huppe
Grimpereau des jardins
Geai des chnes
Fauvette des jardins
Pinson des arbres
Roitelet triple-bandeau
Pigeon ramier
Troglodyte
Pouillot de Bonelli
Msange bleue
Pic vert
Msange charbonnire
Coucou gris
Bruant zizi
Torcol fourmilier
Fauvette passerinette
Loriot
Tourterelle des bois
Merle noir
Rossignol
Fauvette orphe
Pie-griche tte rousse
Verdier
Fauvette mlanocphale
Accenteur mouchet
Serin cini
Hypolais polyglotte
Chardonneret
Huppe fascie
Fauvette grisette
Bruant fou
Pie bavarde
Merle de roches
Traquet ptre
Bruant proyer
Perdrix rouge
Bruant ortolan
Traquet oreillard
Alouette Lulu
Fauvette lunettes
Cochevis de Tekhla
Moineau domestique
Traquet rieur
Merle bleu
Pipit rousseline

Figure 1 : Analyse des correspondances et graphe canonique du modle de discrimination. Position


de 182 relevs par la premire coordonne. Position des espces par averaging (la taille du cercle est
proportionnelle au poids de lespce). Optimisation de la variance entre les positions moyennes. Voir 10
pour une vision globale du rle de lAFC en ornithologie.

Loption Tables : TabMeanVar permet de simplifier la reprsentation dune ligne ou


dune colonne par la seule expression de la position moyenne et de lcart-type,
reprsentation introduite en 7 .
Utiliser pour retrouver le graphe dessin pour la premire fois par R. Prodon la carte.

Le premier facteur est examin de manire particulire mais nest pas, ici, le seul
interprtable.

______________________________________________________________________
ADE-4 / Fiche thmatique 2.7 / 97-07 / page 8

On voit le rsultat du clbre thorme dHirschfeld 8 qui dit que pour obtenir une
double rgression linaire travers une table de contingence il faut et il suffit de
prendre un couple de coordonnes de lanalyse des correspondances. La procdure ne
porte videmment pas ce nom mais nul ne peut contester quelle est dcrite dans cet
article sans aucune trace dambigut.
Loption permet une approche graphique varie des thormes fondamentaux de
lAFC. On peut positionner les relevs par un code numrique et les espces la
moyenne de leur distribution pour optimiser la description de la sparation des niches 9 .
Utiliser la carte Avi-Veg10 de la pile ADE-4Data. Faire lAFC du fichier AVFau
(COA : COrrespondence Analysis). On obtient un facteur dominant (et un effet
Guttman, dont on peut discuter par ailleurs) :

______________________________________________________________________
ADE-4 / Fiche thmatique 2.7 / 97-07 / page 9

Transposer le tableau (FilesUtil : Transpose) :

Positionner sur une fentre de 400 pixels les relevs laide de la premire
coordonne (Graph1D : Bars) :

Conserver le rsultat dans un fichier du logiciel de dessin :

Positionner les espces leur moyennes sur ce code (Tables : TabMeanVar) :

Conserver le rsultat dans le fichier du logiciel de dessin :

______________________________________________________________________
ADE-4 / Fiche thmatique 2.7 / 97-07 / page 10

Ordonner enfin les tiquettes des espces (Graph1D : Labels) :

Conserver le rsultat dans le fichier du logiciel de dessin :

Dplacer simplement les tiquettes pour obtenir la figure 1. Le rangement ou


lordination sur les lignes et/ou les colonnes, ltiquetage et/ou le simple
positionnement permettent de construire des figures adaptes au matriel et lintention
de lauteur. On a ici un langage dexpression plutt quun outil technique ferm.
Utiliser le dossier de travail cr par la carte Heptagenia
Excuter lAFC :

11

de la pile ADE-4Data.

______________________________________________________________________
ADE-4 / Fiche thmatique 2.7 / 97-07 / page 11

Prparer ltiquetage des colonnes sur la facteur 1 (Graph1D : Labels) :

Reprsenter le tableau avec lordre naturel des lignes et lordre factoriel des colonnes
(Tables : Values) :

Reprsenter les moyennes et les variances par lignes sur le code factoriel des
colonnes (Tables : TabMeanVar) :

______________________________________________________________________
ADE-4 / Fiche thmatique 2.7 / 97-07 / page 12

Prparer ltiquetage des lignes dans lordre naturel (Graph1D : Labels) :

Assembler (Voir une autre approche par reconstitution des donnes dans 12) :
1
2

1
1

1
0

-1

Fvrier
Mars
Avril
Mai
Juin
Juillet
Aot
Septembre
octobre
Novembre
Dcembre
Janvier
Fvrier
Mars
Avril
Mai
Juin
Juillet
Aot
Septembre
octobre
Novembre
Dcembre
Janvier

______________________________________________________________________
ADE-4 / Fiche thmatique 2.7 / 97-07 / page 13

Rappelons enfin que les lignes, les colonnes et les cases dun tableau relevant de
lAFC sont justiciables dune reprsentation cohrente sur une seule chelle 13. Cest un
cas particulier de lanalyse des correspondances multiples, dont nous discutons
maintenant.

4 Le cas de lACM
Utiliser la carte Mafragh+2 de la pile ADE-4Data. Excuter lACM du fichier Mil
(CategVar : Read Categ File et MCA : Multiple Correspondence Analysis) :

Linterprtation indpendante du facteur 1 simpose. Reprsenter les donnes


(TabCat : Values) :

______________________________________________________________________
ADE-4 / Fiche thmatique 2.7 / 97-07 / page 14

On reconnat la structure du tableau disjonctif complet ici reprsente. Ordonner les


lignes du tableau, ici reprsente en abscisse par leur coordonnes sur le facteur 1 :

Conserver dans un fichier de dessin et passer les cercles en blanc. Simplifier alors en
reprsentant les moyennes-variances (TabCat : MeanVar) par modalit :

______________________________________________________________________
ADE-4 / Fiche thmatique 2.7 / 97-07 / page 15

Coller dans le logiciel de dessin. Reprsenter lordination des lignes utilises


(Graph1D : Bars) :

Conserver et assembler :

On a lillustration graphique du thorme 14 : lACM dfinit un code des lignes (a)


qui maximise la moyenne des rapports de corrlation pour chaque variable (b). Cest
lexpression des rsultats numriques contenus dans le listing :
CorRatioMCA: Correlation ratios after a MCA
Title of the analysis: Mil.cm
Number of rows: 97, columns: 11
Variable : 1
> Categ=
1 Weight= 0.216
> Categ=
2 Weight= 0.186
> Categ=
3 Weight= 0.227
> Categ=
4 Weight= 0.371
----------------------> r=

-1.202
-0.095
0.075
0.703
0.500

Variable : 2
> Categ=
1 Weight= 0.237
> Categ=
2 Weight= 0.289
> Categ=
3 Weight= 0.299
> Categ=
4 Weight= 0.175
----------------------> r=

0.484
0.172
-0.249
-0.513
0.129

______________________________________________________________________
ADE-4 / Fiche thmatique 2.7 / 97-07 / page 16

La cohrence est totale si on utilise la coordonne de variance 1 aprs DDUtil : Add


normed scores, ce qui du point de vue graphique nest pas indispensable. Dans 15 , on
utilise des courbes de Gauss pour dcrire les variances. Ici, on se contente de la position
moyenne reprsente avec le poids de la modalit (cercle noir) et dun trait reprsentant
lamplitude entre la moyenne moins un cart-type et la moyenne + un cart-type. La
reprsentation de la totalit des points garantit quon ne fera pas un usage abusif du
modle trs simplifi.
On peut encore mlanger toutes les modalits par (TabCat : Values) :

ou encore (TabCat : MeanVar) :

Une certaine libert dexpression est ainsi mnage.


Utiliser un autre exemple avec la carte ChatBis16.

______________________________________________________________________
ADE-4 / Fiche thmatique 2.7 / 97-07 / page 17

Reprsenter le donnes et la structure (TabCat : Values) :

Simplifier la lecture (TabCat : MeanVar) :

Remarquer comment les donnes saisies par classe de fcondit sont repositionnes
par classe du nombre de portes qui est le paramtre de rfrence dans la relation gefcondit. La facilit de lecture de ces graphiques (code des lignes maximisant la
sparation des moyennes par classe-modalit) invite ne plus faire limpasse sur une
structure mutivarie clairement unidimensionnelle. Le plus tonnant, cest que le
detrending17 , dfendu par les uns18 et rejet par dautres19, discut en tout cas20, qui
vise llimination de leffet Guttman, sil existe, rend non interprtable le facteur 2 et
______________________________________________________________________
ADE-4 / Fiche thmatique 2.7 / 97-07 / page 18

donc impose une lecture unidimensionnelle des rsultats. Pourtant les cartes factorielles
en AFC dtendance sont frquentes. Lapplication des rsultat de lanalyse des
correspondances multiples lanalyse des correspondances simples13 permet de
saffranchir de cette difficult.

5 Ordination rciproque sur un gradient


Utiliser la carte Drme, et faire lAFC du tableau faunistique :

Le gradient amont-aval impose une structure faunistique unidimensionnelle. On peut


placer les espces la moyenne des relevs (Tables : TabMeanVar) aprs transposition
(FilesUtil : Transpose) ou les relevs la moyenne des espces (Tables : TabMeanVar):

______________________________________________________________________
ADE-4 / Fiche thmatique 2.7 / 97-07 / page 19

On peut prendre comme rfrence commune la position des correspondances


(rencontre dune espce dans un relev ou encore cellule non nulle du tableau) et
positionner espces et relevs la moyenne des correspondances qui les concerne
(COA : Reciprocal scaling) :

Les rsultats numriques, pour une dimension sont utiliss dans TabCat :
COA_Scaling Values et TabCat : COA_Scaling Values. Dans le premier on reprsente
les donnes :

En abscisse on trouve les 343 prsences du tableau, tris soit par colonne (en haut,
les espces) soit par ligne (en bas, les relevs). Les objets sont ordonns par lanalyse.
On peut positionner ces objets sur le facteur 1 :

______________________________________________________________________
ADE-4 / Fiche thmatique 2.7 / 97-07 / page 20

Dans le second, on reprsente les moyennes et variances dans la logique dj


rencontre :

La rgularit du gradient observ est-elle une consquence de la mthode ou une


qualit de la structure observe ?
Utiliser la carte Avi_Veg et faire lAFC du tableau faunistique :

______________________________________________________________________
ADE-4 / Fiche thmatique 2.7 / 97-07 / page 21

Reprsenter le rsultat (TabCat : COA_Scaling MeanVar) :

Cette reprsentation renforce lexpression de continuit et de rgularit.

Cette reprsentation laisse prsente la possibilit que les deux extrmits du gradient
sont compresses. Cest lun des principales dfauts que Hill et Gauch 17 attribuent
lAFC (Voir aussi 21 p. 151). Les deux exemples pourtant prsentent une diffrence
remarquable. Le premier ne fournit pas de second facteur signifiant, alors quici on a un
graphe de valeur propre sensiblement plus complexe (page 7, en bas). Leffet Guttman
nest donc pas systmatique.

______________________________________________________________________
ADE-4 / Fiche thmatique 2.7 / 97-07 / page 22

Figure 1

Dans lexemple hydrobiologique, le plan 1-2 donne (Scatters : Labels) :

La mme reprsentation pour lexemple ornithologique fournit :

______________________________________________________________________
ADE-4 / Fiche thmatique 2.7 / 97-07 / page 23

Larch effect nest donc pas une consquence directe de la prsence dun gradient.
Pour sen convaincre, il suffit dutiliser la proprit fondamentale de lAFC qui est une
analyse canonique 22. Utiliser ScatterClass : Stars pour positionner les 1639
correspondances avec des codes de variance unit et les 51 espces la moyenne des
correspondances qui les concernent :
Il y a deux gradients et une articulation par les espces spectre large. Simplifier
avec ScatterClass : Labels :

On remarquera que les options graphiques tiquettent toujours les graphes


reprsentant des classes avec le fichier de nom gnrique ---.123, cr en gnral avec
CategVar : Read Categ File et ici par COA : Reciprocal scaling. On peut toujours
remplacer tout ou partie des tiquettes par des codes utilisateurs (ici le code espce au
lieu de la numrotation des 51 espces prsente aprs la numrotation des 182 relevs
dans le fichier AVFau_class.123).
Cette interprtation ne contredit pas (bien au contraire) linterprtation de deux
processus de spciation dpoque diffrente intervenus dans le manteau forestier dune
part et dans la vgtation ouverte progressivement en place dans la dgradation de
celui-ci dautre part 23.
On retiendra de ces exemples que le modle canonique de lAFC sil est dune
efficacit certaine ne doit pas tre employe sans discernement. Si on revient sur
lexemple de la carte JV73-Poissons (p. 6), la structure est unidimensionnelle et il ny a
pas deffet Guttman :

______________________________________________________________________
ADE-4 / Fiche thmatique 2.7 / 97-07 / page 24

La reprsentation unidimensionnelle est valide :

Dans lexemple de la carte Provence_Corse 24, sparer les deux ensembles de relevs
(CategVar : Read Categ File, FilesUtil : SelecCateg, EcolTools : SelectTaxa) :

Faire les deux analyses des correspondances et comparer les structures internes, qui
sont fort diffrentes (Cf. 25 P. 144-149) :

______________________________________________________________________
ADE-4 / Fiche thmatique 2.7 / 97-07 / page 25

La perception dun gradient simple sur la hauteur de la vgtation est invalide et


lusage de plusieurs dimensions est incontournable. Un dernier exemple peut concerner
une tude phyto-cologique. Utiliser la carte Mafragh 26.

______________________________________________________________________
ADE-4 / Fiche thmatique 2.7 / 97-07 / page 26

La structure est tri-dimensionelle (valeurs propres). Laxe 1 gnre une partition


quon peut reporter sur la rcriture du tableau. Laxe 3 spare le groupe de gauche :

______________________________________________________________________
ADE-4 / Fiche thmatique 2.7 / 97-07 / page 27

Groupes
cologiques
en caille

Scirpetum
maritimi
Suaedatum
fructicosae

Gradient
cologique

Relevs de
transition
Facis
Juncus
maritimus

Facis
Scirpus littoralis
Groupes

Le graphe canonique montre le mlange des types de structure (partition et


ordination). On dispose doutil facilitant la construction de modles partir des donnes
27 dans des situations varies aussi bien unidimensionnelles que complexes. On peut
dire quils permettent de voir lintrieur de lorganisation des objets tudis.

______________________________________________________________________
ADE-4 / Fiche thmatique 2.7 / 97-07 / page 28

Rfrences
1

Lebart, L., Morineau, A. & Piron, M. (1995) Statistique exploratoire


multidimensionnelle. Dunod, Paris. 1-439.
2

Hotelling, H. (1933) Analysis of a complex of statistical variables into principal


components. Journal of Educational Psychology : 24, 417-441 , 498-520.
3

Carrel, G., Barthelemy, D., Auda, Y. & Chessel, D. (1986) Approche graphique de
l'analyse en composantes principales norme : utilisation en hydrobiologie. Acta
cologica, cologia Generalis : 7, 2, 189-203.
4

Verneaux, J. (1973) Cours d'eau de Franche-Comt (Massif du Jura). Recherches


cologiques sur le rseau hydrographique du Doubs. Essai de biotypologie. Thse
d'tat, Besanon. 1-257.
5

Williams, E.J. (1952) Use of scores for the analysis of association in contingency
tables. Biometrika : 39, 274-289.
6

Hill, M.O. (1974) Correspondence analysis : A neglected multivariate method.


Journal of the Royal Statistical Society, C : 23, 340-354.
7

Chessel, D., Lebreton, J.D. & Prodon, R. (1982) Mesures symtriques d'amplitude
d'habitat et de diversit intra-chantillon dans un tableau espces-relevs: cas d'un
gradient simple. Compte rendu hebdomadaire des sances de l'Acadmie des sciences.
Paris, D : III, 295, 83-88.
8

Hirschfeld, H.O. (1935) A connection between correlation and contingency.


Proceedings of the Cambridge Philosophical Society, Mathematical and Physical
Sciences : 31, 520-524.
9

Hill, M.O. (1977) Use of simple discriminant functions to classify quantitative


phytosociological data. In : Proceedings of the First International Symposium on Data
Analysis and Informatics. Diday, E. (Ed.) INRIA Rocquencourt, France. 181-199.
10

Prodon, R. & Lebreton, J.D. (1981) Breeding avifauna of a Mediterranean succession


: the holm oak and cork oak series in the eastern Pyrnes. 1 : Analysis and modelling
of the structure gradient. Okos : 37, 21-38.
11

El Kallab-Wakim, A. (1978) Etude du cycle biologique d'Heptagenia sulphurea


(Mller, 1776) (Ephemeroptera : Hepatgeniidae) dans le Rhne Lyon. Thse 3me
Cycle, Universit Lyon 1. 1-65.
12

Persat, H. & Chessel, D. (1989) Typologie de distributions en classes de taille :


intrt dans l'tude des populations de poissons et d'invertbrs. Acta cologica,
cologia Generalis : 10, 2, 175-195.
13

Thioulouse, J. & Chessel, D. (1992) A method for reciprocal scaling of species


tolerance and sample diversity. Ecology : 73, 670-680.
14 Saporta, G. (1975) Liaisons entre plusieurs ensembles de variables et codage de
donnes qualitatives. Thse de 3 cycle, Universit Pierre et Marie Curie, Paris VI. 1102.

______________________________________________________________________
ADE-4 / Fiche thmatique 2.7 / 97-07 / page 29

15

Pialot, D., Chessel, D. & Auda, Y. (1984) Description de milieu et analyse factorielle
des correspondances multiples. Compte rendu hebdomadaire des sances de l'Acadmie
des sciences. Paris, D : 298, Srie III, 11, 309-314.
16

Pontier, D. (1984) Contribution la biologie et la gntique des populations de


chats domestiques (Felis catus). Thse de 3 cycle. Universit Lyon 1. 1-145.
17

Hill, M.O. & Gauch, H.G. (1980) Detrented correspondence analysis: an improved
ordination technique. Vegetatio : 42, 47-58.
18

Peet, R.K., Knox, R.G., Case, J.S. & Allen, R.B. (1988) Putting things in order : the
advantages of detrended correspondence analysis. The American Naturalist : 131:924934.
19

Wartenberg, D., Ferson, S. & Ohlf, F.J. (1987) Putting things in order : a critique of
detrended correspondence analysis. The American Naturalist : 129, 3, 434-448.
20

Jackson, D.A. & Somers, K.M. (1991) Putting things in order: the ups and downs of
detrended correspondence analysis. The American Naturalist : 137, 707-712.
21

Gauch, H.G. Jr. (1982) Multivariate analysis in community ecology. Cambridge


University Press, Cambridge. 1-298.
22

Esteve, J. (1978) Les mthodes d'ordination : lments pour une discussion. In :


Biomtrie et Ecologie. Legay, J.M. & Tomassone, R. (Eds.) Socit Franaise de
Biomtrie, Paris. 223-250.
23

Blondel, J. & Farre, H. (1988) The convergent trajectories of bird communities along
ecological successions in european forests. cologia (Berlin) : 75, 83-93.
24

Blondel, J., Chessel, D. & Frochot, B. (1988) Niche expansion and density
compensation of island birds in mediterranean habitats. A case study from comparison
of two ecological successions. Ecology : 69, 6, 1899-1917.
25

Blondel, J. (1985) Biogographie volutive. Masson, Paris. 1-221.

26

Belair, G. de & Bencheikh-Lehocine, M. (1987) Composition et dterminisme de la


vgtation d'une plaine ctire marcageuse : La Mafragh (Annaba, Algrie). Bulletin
d'Ecologie : 18, 4, 393-407.
Benzecri, J.P. (1969) Statistical analysis as a tool to make patterns emerge from data.
In : Methodologies of pattern recognition. Watanabe, S. (Ed.) Academic Press, NewYork. 35-60.
27

______________________________________________________________________
ADE-4 / Fiche thmatique 2.7 / 97-07 / page 30