Vous êtes sur la page 1sur 24
Rapport Projet Analyse de Données
Rapport Projet Analyse de Données
Réalisé par : - Marwa BELFARJI - Soukaina RAOUD - Réda NOUAMANI
Réalisé par :
- Marwa BELFARJI
- Soukaina RAOUD
- Réda NOUAMANI
Encadrés par : - M. SKALLI
Encadrés par :
- M. SKALLI

Sommaire :

I-

Introduction

II-

Analyse Factorielle des Correspondances

1. Généralités

2. Tableaux de contingence

3. Nuages de profils

4. Interprétation des résultats

5. Interprétation des axes

6. Interprétation des profils

III-

Description, traitement et codage des données

1. Description des données

2. Traitement des données

 

a. Histogrammes

b. Histogrammes réduits

 

3. Codage des données

IV-

Analyse des données :

1.

Saisie du tableau disjonctif sur UNIX : Utilisation de

 

ANCORR

 

2. Résultats de l’analyse

3. Synthèse

4. Utilisation de Sphinx

 

a. Saisie des données

b. Résultats

V-

Conclusion

I- Introduction :

Avoir une idée globale sur l’environnement socio-économique de son pays est très bénéfique pour s’inscrire au développement national. Mieux encore, cerner les indicateurs socio-économiques de son pays en le comparant à d’autres pays serait encore plus bénéfique, du fait de l’importance de la compétitivité dans la mission de l’amélioration.

C’est dans cette perspective qu’une étude démographique comparative des pays d’Afrique s’avéra indispensable. Durant notre étude, nous avons fait appel à des indicateurs qui définissent le plus l’environnement socio-économique de ces pays.

Cette étude comparative des pays d’Afrique est basée sur l’analyse de données qui est un outil très déterminant dans l’aide à la prise de décision. En effet, l’analyse de données est conçue tel un moyen de description, d’analyse et de prévision de l’évolution d’une variable ou d’un critère au sein d’une population donnée, et cela à travers l’interprétation des résultats d’une enquête. Le développement des outils mathématiques, de façon générale, et des statistiques de façon particulière, a permis une meilleure approche dans le domaine d’analyse de données, à savoir une meilleure « mise en relation » d’un ensemble de paramètres constituant un espace de données.

Notre rapport synthétise justement le cours d’analyse de données, en se basant principalement sur les techniques majeures permettant de dégager les différentes relations entre un ensemble d’indicateurs, décrivant un phénomène socio-économique donné.

Pour réaliser cela, le logiciel ANCOR sous UNIX s’avérera très utile dans le but

de faire la synthèse

des données recensées ainsi que l’outil EXCEL pour un traitement intuitif et primaire des données.

II- Analyse Factorielle des Correspondances :

1. Généralités :

L'analyse factorielle des correspondances (AFC), ou analyse des correspondances simples, est une méthode exploratoire d'analyse des tableaux de contingence. Elle a été développé essentiellement par J.-P. Benzecri durant la période 1970-1990.

L'application de la méthode a deux effets :

- d'une part, on construit des images des nuages d'"individus-lignes" et d'"individus-colonnes" de départ, de façon que les distances entre images soient des distances euclidiennes et non plus des distances calculées selon la métrique du KH 2;

- d'autre part, on recherche les directions de plus grande dispersion dans ces nuages de points images.

2. Tableaux de contingence :

Soit X et Y deux variables (caractères) qualitatives décrivant un ensemble de n individus. La variable X possède p modalités 1,…, p La variable Y possède q modalités 1,…, q On note k ij l’effectif de la classe (X=i, Y=j) Ces données sont présentées dans un tableau de contingence :

données sont présentées dans un tableau de contingence : 3. Nuages de profils : L’analys e

3. Nuages de profils :

L’analyse des correspondances va consister à étudier la répartition de chaque classe de la variables X suivant les modalités de Y (et inversement)

On parle alors de profils-lignes (lorsqu’on étudie les classes de X) et de profils-colonnes (lorsqu’on étudie les classes de Y).

4. Interprétation des résultats :

Les 2 nuages des profils-lignes et des profils colonnes seront projetés successivement sur le plan factoriel et interprétés. La projection simultanée des 2 nuages est fréquente mais délicate. En général, les deux premiers axes suffisent pour expliquer plus de 70 % de l’inertie initiale.

Lorsque ce n’est pas le cas, on utilise les trois premiers axes, en les étudiant 2 par 2.

5. Interprétation des axes :

Chaque axe sera interprété d’abord par les contributions des profils lignes puis par celles des profils colonnes.

Les profils ayant les plus fortes contributions sur un axe, permettront de donner un sens à cet

axe.

L’étude des signes des coordonnées des profils permettront de mettre en valeur des oppositions.

6. Interprétation des profils :

La position des profils par rapport (au sens donné) aux axes permet d’interpréter les modalités de chaque variable :

- Deux profils proches sur le graphe représenteront deux modalités de X ayant des distributions (répartitions) suivant les modalités de Y assez semblables.

- Inversement, deux profils éloignés représenteront deux modalités de X dont les distributions suivant les modalités de Y sont très différentes.

III- Description, traitement et codage des données :

1. Description des données :

Les données que nous allons analyser constituent une combinaison de bases de données fournies par :

- United Nation Population Division 2008

- Rapport sur le Développement Humain 2007 2008

La base de données finale constituée contient donc différentes données démographiques et socio-économiques concernant 48 pays d’Afrique.

Nous focaliserons notre étude sur des variables qui représentent les mieux l’environnement socio-économique de ces pays. Les variables choisies sont comme suit :

- Taux De Fertilité

- Nombre De Morts

- Taux De Reproduction Net

- La Migration Nette

- L’Age Médian

- Taux De Dépendance

- PIB par habitant

Les ensembles choisis donc seront tels que :

- L’ensemble I : Les différents pays.

- L’ensemble J : Taux De Fertilité, Nombre De Morts, Taux De Reproduction Net, La Migration Nette, L’Age Médian, Taux De Dépendance, PIB par habitant.

Les données sont regroupées dans un tableau dont les lignes représentent les 48 pays auxquels on s’intéresse, et les colonnes les différentes variables.

En voici un échantillon (pour la totalité des données voir annexe 1) :

Pays

Taux

Nombre

Taux de

Migration

Âge

Taux De

PIB par

De

de

Reproduction

Nette

Médian

Dépendance

habitant

Fertilité

Morts

Net

Algérie

2,38

169

1,11

-28

24

52

7

062

Angola

5,79

305

2

16

16,17

95

2335

Benin

5,48

79

2,27

10

18

88

1141

Botswana

2,9

22

1,18

3

21,3

63

12

387

Mali

5,49

200

1,99

-40

17,4

89

1033

Maroc

2,38

183

1,11

-85

24,3

55

4

555

Maurice

1,78

9

0,85

0

30,7

45

12

715

Tunisie

1,86

60

0,87

-4

26,9

48

8

371

Zambie

5,87

219

2,05

-17

16,8

96

1023

Zimbabwe

3,47

203

1,29

-140

18,4

81

2038

2. Traitement des données :

a. Histogrammes :

On se propose de tracer les histogrammes des différentes variables en fonction des pays correspondants. Comme on a vu en cours, la division en classes ne doit pas être faite au hasard.

Dans un premier temps, on tracera des histogrammes de nombreuses classes :

- Taux De Fertilité :

Taux De Fertilité

7 6 5 4 3 2 1 0 TDF1 TDF2 TDF3 TDF4 TDF5 TDF6 TDF7
7
6
5
4
3
2
1
0
TDF1
TDF2
TDF3
TDF4
TDF5
TDF6
TDF7
TDF8
TDF9
TDF10
TDF11
TDF12
TDF13
TDF14
TDF15
TDF16
TDF17
TDF18
TDF19
TDF20

Taux De Fertilité

- Nombre De Morts :

Nombre De Morts

9 8 7 6 5 4 Nombre De Morts 3 2 1 0 NbM1 NbM3
9
8
7
6
5
4
Nombre De Morts
3
2
1
0
NbM1
NbM3
NbM5
NbM7
NbM9
NbM11
NbM13
NbM15
NbM17
NbM19
NbM21
NbM23
NbM25
NbM27
NbM29
NbM31
NbM33
NbM35
NbM37
NbM39
NbM41
NbM43

- Taux De Reproduction Net :

Taux de Reproduction Net 7 6 5 4 3 Taux de Reproduction Net 2 1
Taux de Reproduction Net
7
6
5
4
3
Taux de Reproduction Net
2
1
0
- La Migration Nette :
Migration Nette
8
7
6
5
4
Migration Nette
3
2
1
0
MgN1
TRN1
MgN2
TRN2
MgN3
TRN3
MgN4
TRN4
MgN5
TRN5
MgN6
TRN6
MgN7
TRN7
MgN8
TRN8
MgN9
TRN9
MgN10
TRN10
MgN11
TRN11
TRN12
MgN12
TRN13
MgN13
TRN14
MgN14
TRN15
MgN15
TRN16
MgN16
TRN17
MgN17
TRN18
MgN18
TRN19
MgN19
TRN20
MgN20
TRN21
MgN21
MgN22
MgN23
MgN24

- L’Age Médian :

Âge Médian

6 5 4 3 Âge Médian 2 1 0 AgM1 AgM2 AgM3 AgM4 AgM5 AgM6
6
5
4
3
Âge Médian
2
1
0
AgM1
AgM2
AgM3
AgM4
AgM5
AgM6
AgM7
AgM8
AgM9
AgM10
AgM11
AgM12
AgM13
AgM14
AgM15
AgM16
AgM17
AgM18
AgM19
AgM20
AgM21
AgM22
AgM23
AgM24

- Taux De Dépendance :

Taux De Dépendance

9 8 7 6 5 4 Taux De Dépendance 3 2 1 0 TDD1 TDD2
9
8
7
6
5
4
Taux De Dépendance
3
2
1
0
TDD1
TDD2
TDD3
TDD4
TDD5
TDD6
TDD7
TDD8
TDD9
TDD10
TDD11
TDD12
TDD13
TDD14
TDD15
TDD16
TDD17
TDD18
TDD19
TDD20
TDD21

- PIB par habitant :

PIB

8 7 6 5 4 3 2 1 0 PIB1 PIB2 PIB3 PIB4 PIB5 PIB6
8
7
6
5
4
3
2
1
0
PIB1
PIB2
PIB3
PIB4
PIB5
PIB6
PIB7
PIB8
PIB9
PIB10
PIB11
PIB12
PIB13
PIB14
PIB15
PIB16
PIB17
PIB18
PIB19
PIB20
PIB21
PIB22
PIB23
PIB24

PIB

Ensuite on procédera par des subdivisions plus étroites des intervalles qui contiennent la quasi-totalité des points du nuage en question, ce qui permettra de trouver des groupements de points et par suite, de réduire le nombre de classes à 7, selon la nature de la distribution. Ces histogrammes finaux sont communément nommés : histogrammes réduits.

b. Histogrammes réduits :

- Taux De Fertilité :

Taux De Fertilité

10 9 8 7 6 5 4 3 2 1 0 1,78 à 3,12 3,12
10
9
8
7
6
5
4
3
2
1
0
1,78 à 3,12
3,12 à 4,20
4,20 à 4,73
4,73 à 5,27
5,27 à 5,81
5,81 à 7,15

On remarque que la majorité des pays étudiés ont un taux de fertilité supérieur à 4,20.

- Nombre De Morts :

Nombre de Morts

10 9 8 7 6 5 4 3 2 1 0 1 à 10 10
10
9
8
7
6
5
4
3
2
1
0
1 à 10
10 à 41,1
41,1 à 124,3
124,3 à 185, 95
185,95 à 309,25
309,25 à 2497

Concernant le nombre de morts, il est inférieur à 310 dans la majorité des pays d’Afrique.

- Taux De Reproduction Net :

Taux de Reproduction Net 10 9 8 7 6 5 4 3 2 1 0
Taux de Reproduction Net
10
9
8
7
6
5
4
3
2
1
0
0,85 à 1,29
1,29 à 1,68
1,68 à 1,88
1,88 à 1,99
1,99 à 2,10
2,10 à 2,69
Cet
histogramme
nous
montre
que
la
majorité
des
pays
d’Afrique
ont
un
reproduction net supérieur à la moyenne (1,68).

- La Migration Nette :

taux

de

Migration Nette

10 9 8 7 6 5 4 3 2 1 0 -85 à -32,5 -32,5
10
9
8
7
6
5
4
3
2
1
0
-85 à -32,5
-32,5 à -10
-10 à -2
-2 à 0
0 à 5
5 à 65

On remarque que la majorité des pays ont une migration nette négative.

- L’Age Médian :

Âge Médian

10 9 8 7 6 5 4 3 2 1 0 15,5 à 17,02 17,02
10
9
8
7
6
5
4
3
2
1
0
15,5 à 17,02
17,02 à 18,03
18,03 à 18,54
18,54 à 19,05
19,05 à 20,82
20,82 à 30,70

On remarque que l’âge médian est relativement faible en Afrique, inférieur à 20ans pour la plupart des pays.

- Taux De Dépendance :

Taux De Dépendance

10 9 8 7 6 5 4 3 2 1 0 45 à 71,55 71,55
10
9
8
7
6
5
4
3
2
1
0
45 à 71,55
71,55 à 80,4
80,4 à 82,37
82,37 à 86,3
86,3 à 91
91 à104

D’après cet histogramme, on note que la plupart des pays d’Afrique ont un taux de dépendance supérieur à 80.

- PIB par habitant :

PIB

12 10 8 6 4 2 0 300 à 796,6 796,6 à 1193,2 1193,2 à
12
10
8
6
4
2
0
300 à 796,6
796,6 à 1193,2
1193,2 à 1541,5
1541,5 à 2162,25 2162,25 à 3403,73 3403,73 à 12715

En Afrique il est clair que le PIB est très faible : inférieur à 3403,73 dans la majorité des pays.

3. Codage des données :

Les pays ne seront pas désignés par leurs noms respectifs, mais à chacun on attribuera un code de quatre caractères, tel que les présentent le tableau suivant :

 

Pays

Code

 

Pays

Code

 

Algeria

ALGR

Lesotho

LESO

Angola

ANGO

Liberia

LIBR

Benin

BENN

Madagascar

MDGC

Botswana

BOTS

Malawi

MALW

Burkina-Faso

BURK

Mali

MALI

Burundi

BURU

Maroc

MARO

Cameroon

CAMR

Maurice

MAUR

CAPV

Mauritanie

MART

Central African Republic

CEAF

Mozambique

MOZA

Comores

COMO

Namibie

NAMB

Chad

CHAD

Niger

NIGE

Congo

CONG

Nigeria

NIGR

Côte d'Ivoire

COIV

Réunion

REUN

Democratic Republic of the Congo

DRCO

Rwanda

RWND

Djibouti

DJIB

São Tomé et Príncipe

SAOT

Egypte

EGYP

Sénégal

SENE

Eritrea

ERIT

Sierra Leone

SILE

Ethiopie

ETHI

Somalie

SOML

Gabon

GABN

Soudan

SOUD

Gambie

GAMB

Swaziland

SWAZ

Ghana

GANA

Togo

TOGO

Guinée

GINE

Tunisia

TUNI

Guinée-Bissau

GIBI

Zambie

ZAMB

Kenya

KENY

Zimbabwe

ZIMB

En ce qui concerne la partie codage des variables, nous avons regroupé les données en des modalités expliquées par la suite :

- Variable Taux De Fertilité (TDF) :

Si le pays appartient à la tranche (en pourcentage) :

[1,78 ; 3,12[

[3,12 ; 4,2[

[4,2 ; 4,73[

[4,73 ; 5,27]

[5,27 ; 5,81[

[5,81 ; 7,15]

: il est présenté par la modalité TDF1.

: il est présenté par la modalité TDF2.

: il est présenté par la modalité TDF3.

: il est présenté par la modalité TDF4.

: il est présenté par la modalité TDF5.

: il est présenté par la modalité TDF6.

- Variable Nombre de Morts (NbM) :

Si le pays a un nombre de morts de :

[1 ; 10[

[10 ; 41,1[

[41,1 ; 124,3[

[124,3 ; 185,95]

[185,95 ; 309,25[

[309,25 ; 2497]

: il est présenté par la modalité NbM1.

: il est présenté par la modalité NbM2.

: il est présenté par la modalité NbM3.

: il est présenté par la modalité NbM4.

: il est présenté par la modalité NbM5.

: il est présenté par la modalité NbM6.

- Variable Taux de Reproduction Nette (TRN) :

Si le pays appartient à la tranche (en pourcentage) :

[0,85 ; 1,29 [

[1,29 ; 1,68[

[1,68 ; 1,88[

[1,88 ; 1,99]

[1,99 ; 2,1[

[2,1 ; 2,69]

: il est présenté par la modalité TRN1.

: il est présenté par la modalité TRN2.

: il est présenté par la modalité TRN3.

: il est présenté par la modalité TRN4.

: il est présenté par la modalité TRN5.

: il est présenté par la modalité TRN6.

- Variable Migration Nette (MgN) :

Si le pays appartient à la tranche:

[-85 ; -32,5 [

[-32,5 ; -10[

[-10 ; -2[

[-2 ; 0]

[0 ; 5[

[5 ; 65]

: il est présenté par la modalité MgN1.

: il est présenté par la modalité MgN2.

: il est présenté par la modalité MgN3.

: il est présenté par la modalité MgN4.

: il est présenté par la modalité MgN5.

: il est présenté par la modalité MgN6.

- Variable Age Médian (AgM) :

Si le pays appartient à la tranche:

[15,5 ; 17,02 [

[17,02; 18,03[

[18,03; 18,54[

[18,54 ; 19,05]

[19,05 ; 20,82[

[20,82 ; 30,70]

: il est présenté par la modalité AgM1.

: il est présenté par la modalité AgM2.

: il est présenté par la modalité AgM3.

: il est présenté par la modalité AgM4.

: il est présenté par la modalité AgM5.

: il est présenté par la modalité AgM6.

- Variable Taux de Dépendance (TDD) :

Si le pays appartient à la tranche:

[45 ; 71,55 [

[71,55 ; 80,4[

[80,4 ; 82,37[

[82,37 ; 86,3]

: il est présenté par la modalité TDD5.

: il est présenté par la modalité TDD6.

: il est présenté par la modalité TDD1.

: il est présenté par la modalité TDD2.

: il est présenté par la modalité TDD3.

: il est présenté par la modalité TDD4.

[86,3; 91[

[91 ; 104]

- Variable PIB :

Si le pays a un PIB entre (PIB) :

[300 ; 796,6[

[796,6 ; 1193,2[

[1193,2 ; 1541,5[

[1541,5 ; 2162,25]

[2162,25; 3403,73[

[3403,73 ; 12715]

: il est présenté par la modalité PIB1.

: il est présenté par la modalité PIB2.

: il est présenté par la modalité PIB3.

: il est présenté par la modalité PIB4.

: il est présenté par la modalité PIB5.

: il est présenté par la modalité PIB6.

On a traduit les modalités en tableau disjonctif complet qui figure en ANNEXE 2

IV- Analyse des données :

1. Saisie du tableau disjonctif sur UNIX : Utilisation de ANCORR

La saisie du tableau disjonctif se fait sur bloc note au format TXT en veillant à définir le format d’affichage, les sorties demandées, le nombre de lignes et de colonnes etc.

Cette saisie du tableau disjonctif complet se fait en respectant des règles bien précises en vue de son traitement par le logiciel ANCORR.

- Pour l’identificateur des lignes on réservera quatre caractères.

- Tous les 1 et les 0 du tableau seront précédés par un point pour être reconnus par le logiciel comme étant des nombres réels.

TITRE:ETUDE DEMOGRAPHIQUE COMPARATIVE DES PAYS D'AFRIQUE

48

1

42

1

1

7

1

1

1201 4201 1210 4211 1211 4211

TDF1TDF2TDF3TDF4TDF5TDF6NbM1NbM2NbM3NbM4NbM5NbM6TRN1TRN2TRN3TRN4TRN5TRN6MgN1MgN2

MgN3MgN4MgN5MgN6AgM1AgM2AgM3AgM4AgM5AgM6TDD1TDD2TDD3TDD4TDD5TDD6PIB1PIB2PIB3PIB4

PIB5PIB6

(a4,1x,42f2.0)

ALGR

1.0.0.0.0.0.0.0.0.1.0.0.1.0.0.0.0.0.0.1.0.0.0.0.0.0.0.0.0.1.1.0.0.0.0.0.0.0.0.0.0.1.

ANGO

0.0.0.0.1.0.0.0.0.0.1.0.0.0.0.0.1.0.0.0.0.0.0.1.1.0.0.0.0.0.0.0.0.0.0.1.0.0.0.0.1.0.

BENN

0.0.0.0.1.0.0.0.1.0.0.0.0.0.0.0.0.1.0.0.0.0.0.1.0.1.0.0.0.0.0.0.0.0.1.0.0.1.0.0.0.0.

BOTS

1.0.0.0.0.0.0.1.0.0.0.0.1.0.0.0.0.0.0.0.0.0.1.0.0.0.0.0.0.1.1.0.0.0.0.0.0.0.0.0.0.1.

MARO

1.0.0.0.0.0.0.0.0.1.0.0.1.0.0.0.0.0.1.0.0.0.0.0.0.0.0.0.0.1.1.0.0.0.0.0.0.0.0.0.0.1.

MAUR

1.0.0.0.0.0.1.0.0.0.0.0.1.0.0.0.0.0.0.0.0.1.0.0.0.0.0.0.0.1.1.0.0.0.0.0.0.0.0.0.0.1.

MART

0.0.1.0.0.0.0.1.0.0.0.0.0.0.1.0.0.0.0.0.0.0.1.0.0.0.0.0.1.0.0.1.0.0.0.0.0.0.0.0.1.0.

TUNI

1.0.0.0.0.0.0.0.1.0.0.0.1.0.0.0.0.0.0.0.1.0.0.0.0.0.0.0.0.1.1.0.0.0.0.0.0.0.0.0.0.1.

ZAMB

0.0.0.0.0.1.0.0.0.0.1.0.0.0.0.0.1.0.0.1.0.0.0.0.1.0.0.0.0.0.0.0.0.0.0.1.0.1.0.0.0.0.

ZIMB

0.1.0.0.0.0.0.0.0.0.1.0.1.0.0.0.0.0.1.0.0.0.0.0.0.0.1.0.0.0.0.0.1.0.0.0.0.0.0.1.0.0.

Le document complet est donné en annexe (voir Annexe 3).

2. Résultats de l’analyse :

Nous avons utilisé le logiciel FTP Expert pour envoyer le fichier à traiter au serveur ibnsina (ibnsina.emi.ac.ma). Les résultats obtenus sont présentés dans tableaux et des graphiques. (voir Annexe 4)

3. Synthèse :

Dans cette partie on essayera d’interpréter les résultats obtenus au niveau d’ANCOR.

a. Graphe des indicateurs :

+-------------------------------------------------------TDF3AgM4--------------------------------------------------------+
+-------------------------------------------------------TDF3AgM4--------------------------------------------------------+ 0 0 1
!
!
!
0
0
1
!
TDD4!
TRN3
!
0
0
1
!
!
!
0
0
1
!
!
!
0
0
1
!
!
TDD2
!
0
0
1
!
!
!
0
0
1
!
TDD3
!
0
0
1
!
!
!
0
0
1
!
TDF4
!
AgM5
!
1
0
1
!
MgN6
NbM3
PIB4
PIB5
MgN5
!
0
0
1
!
TRN4
AgM3
!
NbM2
!
0
0
1
!
!
TDF2
!
0
0
1
!
!
!
0
0
1
!
!
!
0
0
1
!
!
TRN2
!
0
0
1
!
!
!
0
0
1
!
PIB2
!
!
0
0
1
!
!
!
0
0
1
!
PIB3
!
!
0
0
1
!
TRN5
!
!
0
0
1
!
!
!
0
0
1
!
!
!
0
0
1
!
!
MgN4
!
0
0
1
!
TDF5TDD5
!
!
0
0
1
+---------------------------------------NbM6------------+---------------------------------------------------------------+ 0 0 1
!
AgM2
!
!
0
0
1
!
!
!
0
0
1
!
!
MgN3
!
0
0
1
!
NbM5
!
!
0
0
1
!
!
!
0
0
1
!
!
!
0
0
1
!
MgN1
!
NbM1
!
0
0
1
!
!
!
0
0
1
!
!
!
0
0
1
!
!
!
0
0
1
!
!
!
0
0
1
!
!
!
0
0
1
!
!
!
0
0
1
!
MgN2
!
!
0
0
1
!
!
!
0
0
1
!
!
!
0
0
1
!
!
PIB6
!
0
0
1
!
!
!
0
0
1
!
!
!
0
0
1
!
!
!
0
0
1
!
PIB1
!
!
0
0
1
!
NbM4
!
!
0
0
1
!
!
!
0
0
1
!
!
!
0
0
1
!
!
TRN1
!
0
0
1
!
TRN6
!
TDD1!
0
0
1
!
!
!
0
0
1
TDD6
!
!
0
0
1
!
!
!
0
0
1
!
!
!
0
0
1
AgM1
!
!
0
0
1
!
!
TDF1!
0
0
1
!
!
!
0
0
1
TDF6
!
!
0
0
1
!
!
!
0
0
1
!
!
AgM6!
0
0
1

+-------------------------------------------------------+---------------------------------------------------------------+ 0 0 1

On remarque que la plupart des variables sont corrélées :

TDF, TDD et TRN sont directement corrélées,

PIB et AgM sont aussi corrélées,

Cependant (PIB et AgM) sont inversement corrélées avec (TDF, TDD et TRN)

b. Graphe des indicateurs et pays :

+---------------------------------------------------+---TDF3------------------------------------------------------------+
+---------------------------------------------------+---TDF3------------------------------------------------------------+ 1 0 1
!
!
AgM4
MART
!
0
0
1
!
TDD4
TRN3
!
0
0
1
!
ERIT
GAMBSOUD
!
1
0
1
!
!
CEAF
!
0
1
1
!
SILE
CAMR
TDD2
!
0
0
1
!
CONG!
!
0
0
1
!
!
TDD3
SAOT
!
0
0
1
!
MgN6
!
!
0
0
1
!
TDF4
GIBI
BURU
AgM5
!
0
0
1
!
AgM3NbM3!
PIB4
PIB5
MgN5NbM2
!
0
0
1
!
TRN4
COIV!
GABN
!
1
0
1
!
KENY
!
GANA
TDF2
!
0
0
1
!
NIGR
!
NAMB
!
0
0
1
!
!
LESO
SWAZ
!
0
0
1
!
!
TRN2
!
0
0
1
!
PIB2
LIBR
!
!
0
0
1
!
MOZA
!
!
0
0
1
!
!
!
0
0
1
!
PIB3
RWND
!
COMO
!
0
0
1
!
TRN5
!
ZIMB
DJIB
!
0
0
1
!
BENN
MDGC
!
!
0
0
1
!
MALI
GINE
!
MgN4
!
0
0
1
!
TDF5
!
!
1
0
1
+-------------------TDD5----SENE----NbM6------------+-------------------------------------------------------------------+ 0 0 1
!
AgM2
!
!
0
0
1
!
!
!
0
0
1
!
!
MgN3
CAPV
!
0
0
1
!
ETHI
NbM5
!
!
0
0
1
!
ANGO
!
!
0
0
1
!
!
!
0
0
1
!
MgN1
!
NbM1
!
0
0
1
!
!
!
0
0
1
!
!
!
0
0
1
!
!
!
0
0
1
!
!
!
0
0
1
!
!
!
0
0
1
!
MgN2
!
!
0
0
1

!

!

!

!

!

!

!

!

!

!

!

!

!

!

!

!

!

!

!

!

!

!

!

! 0 0 1 ! 0 0 1 ! 0 0 1 PIB6 ! 0
!
0
0
1
!
0
0
1
!
0
0
1
PIB6
!
0
0
1
!
0
0
1
!
0
0
1
EGYP
BOTS
!
0
0
1
!
0
0
1
!
0
0
1
TUNI
!
0
0
1
TRN1
!
0
0
1
!
1
0
1
TDD1MAUR!
0
0
1
REUN
!
0
0
1
!
0
0
1
!
0
0
1
!
0
0
1
MARO
TDF1
!
0
0
1
ALGR
!
0
0
1
!
0
0
1
!
0
0
1
AgM6!
0
0
1
! ! ! ! ZAMB ! ! PIB1 ! SOML ! ! ! MALW !
!
!
!
!
ZAMB
!
!
PIB1
!
SOML
!
!
!
MALW
!
BURK
!
TRN6
TDD6
NIGE
!
CHAD
!
DRCO
AgM1
!
!
TDF6
!
!

NbM4

+---------------------------------------------------+-------------------------------------------------------------------+ 0 0 1

Constatations :

- Les pays de la zone 1, sont les pays les plus développés, ils sont caractérisés par :

o

(PIB et AgM) élevés,

o

(TDF, TDD et TRN) faibles par rapport aux autres pays.

- Les pays de la zone 2, pays moyens, et qui sont caractérisés par :

o Des indicateurs moyens

- Les pays les moins développés, regroupés dans la 3 ème zone, qui se caractérisent par :

o

(PIB et AgM) très bas,

o

(TDF, TDD et TRN) très élevés.

4. Utilisation de Sphinx :

Interface :

a. Saisie des données :

4. Utilisation de Sphinx : Interface : a. Saisie des données : Elaboration du questionnaire 20

Elaboration du questionnaire

4. Utilisation de Sphinx : Interface : a. Saisie des données : Elaboration du questionnaire 20
4. Utilisation de Sphinx : Interface : a. Saisie des données : Elaboration du questionnaire 20

Saisie des données :

48 Réponses à l'enquête Analyse :

 

1.TDF

2.NbM

3.TRN

4.MgN

5.AgM

6.TDD

7.PIB

n° 1

1

4

1

2

6

1

6

n° 2

5

5

5

6

1

6

5

n° 3

5

3

6

6

2

5

2

n° 4

1

2

1

5

6

1

6

n° 5

6

5

6

2

1

6

3

n° 6

3

3

2

6

3

2

1

n° 7

3

5

3

3

4

4

5

n° 8

1

1

2

3

5

2

6

n° 9

4

3

2

5

4

4

3

n° 10

2

1

3

3

5

1

4

n° 11

6

4

6

2

1

6

3

n° 12

3

3

3

2

4

3

3

n° 13

3

5

4

2

5

3

4

n° 14

6

6

6

2

1

6

1

n° 15

2

1

2

4

5

1

5

n° 16

1

6

2

1

6

1

6

n° 17

3

3

5

6

4

2

2

n° 18

5

6

5

1

2

6

2

n° 19

2

2

2

5

5

2

6

n° 20

4

2

5

5

4

4

4

n° 21

3

5

2

2

5

2

5

n° 22

5

3

6

1

3

5

5

n° 23

5

2

4

3

4

4

2

n° 24

4

6

4

1

3

4

3

n° 25

2

2

1

3

4

3

5

n° 26

4

2

5

6

3

5

1

n° 27

4

4

4

4

2

5

2

n° 28

5

4

6

3

1

6

1

n° 29

5

5

4

1

2

5

2

n° 30

1

4

1

1

6

1

6

n° 31

1

1

1

4

6

1

6

n° 32

3

2

3

5

5

2

5

n° 33

4

6

3

3

2

5

3

n° 34

2

2

2

4

5

2

6

n° 35

6

5

6

3

1

6

1

n° 36

5

6

3

1

3

4

2

n° 37

1

1

1

4

6

1

1

n° 38

5

4

4

5

2

3

3

n° 39

2

1

3

4

4

4

5

n° 40

4

4

5

2

2

5

4

n° 41

4

3

4

6

3

3

2

n° 42

6

4

6

1

2

5

1

n° 43

3

6

3

6

5

2

4

n° 44

2

2

2

4

3

3

6

n° 45

3

3

3

4

4

3

3

n° 46

1

3

1

3

6

1

6

n° 47

6

5

5

2

1

6

2

n° 48

2

5

1

1

3

3

4

b. Résultats :

n° 48 2 5 1 1 3 3 4 b. Résultats : Les résultats sont donc

Les résultats sont donc similaires à ce quon a déjà trouvé.

V- Conclusion :

On a pu tout au long de ce rapport mettre en évidence la simplicité de la technique utilisée et qui, comme on l’a constaté, fournit des résultats assez cohérents et pertinents puisqu’on a classifié les quarante-huit pays en trois catégories majeurs où chaque catégorie se caractérise par des spécifications propre à elle.