Cours:: Analyse de Données

COURS :
ANALYSE DE DONNÉES
PLAN DUCOURS
CHAPITRE I : INTRODUCTION À L’ANALYSEDE DONNÉES ETÀ LADATASCIENCE

CHAPITRE II : ANALYSE EN COMPOSANTES PRINCIPALES
CHAPITRE III : ANALYSE FACTORIELLE DES CORRESPONDANCES
CHAPITRE VI : ANALYSE DES CORRESPONDANCES MULTIPLES
CHAPITRE V : CLASSIFICATIONAUTOMATIQUEHIÉRARCHIQUE
CHAPITRE II : ANALYSE EN COMPOSANTES
PRINCIPALES -ACP
CHAPITRE II : ANALYSE EN COMPOSANTES PRINCIPALES -ACP
Principe générale des méthodes factorielles
Exemple introductif:
On dispose de deux variables :
revenu et consommation sur 100 ménages.
35
30
25
20
15
10
0
0 5 10 15 20 25 30 35
Si on a trois variables:
-Revenu,
-Consommation et
-nombre personnes dans le ménage.
On peut effectuer représentation

une graphique àtrois
dimensions.
Si on a plusieurs variables (par exemple plus

de 15 ) sur plusieurs individus alors on ne
peut plus faire desgraphique à15 dimensions.
=>D’où l’utilisation des méthodes de

projection.
Méthodes de projection : méthodes

factorielles ou méthodes de réduction de
dimension.
Projeter : c’est faire de bonne photo.
La question qui sepose : sur quelle direction

projeter.
Les différents types de tableaux :
Tableau de variables quantitatives sur

des individus.
Tableau croisant deux variables qualitatives.

Les différents types de tableaux :
Tableau de variables qualitatives sur

les individus.
Autre type de tableaux (tableau de paquets

de variables).
Les méthodes d’analyse des données suivant le

type de tableau:
Tableau de variables quantitatives sur

des individus : ACP.
Tableau croisant deux variables qualitatives :
AFC.
Tableau de variables qualitatives sur

les individus : ACM.
Autre type de tableaux (tableau de paquets
de variables): les méthodesAFM.
De l’image à la réalité: outils

les d’interprétation.
Ce que est observé sur les peut

photos conduire àdes conclusions
trompeuses.
Il faut des outils d’aide àinterprétation.

Les outils d’aide àl’interprétation :

-Les Cosinus carré: (COS2) : qualité de la
représentation.
-La contribution (CTR): permet de mesurer la part
des variables ou individus dans la formation des
axes.
-Les distance: distance d’un individu à l’individu
moyen (les proximités).
Objectif de l’ACP
Type de tableau : Individus*Variables.
Variables quantitatives.
Sur ce tableau on veut savoir :

- quelles sont les variables qui sont liée entre
elles,
- quels sont les individus qui seressemblent.

Objectif de l’ACP
En pratique :
-Approximation du tableau X( n*p) par un tableau C

(n*q, q <p) (dans l’idéal, q=2 ou 3), restituant la
majeure partie del’information contenue dans X.
-Les variables de C sont obtenues comme

combinaisons linéaires des variables d’origine . Elles
sont appeléeslescomposantes principales.
Objectif de l’ACP
-Visualisation des nuages de points associés au tableau

X dans le nouveau repère constitué par les directions
descomposantesprincipales.
Nuage des individus, nuage des variables
L’ACP étudie deux nuages :

- Nuage des variables
- Nuage des individus.
Ces deux nuages permettent de visualiser :
-les liens entre les variables
-les ressemblances/dissemblances entre individus
contenus dans le tableau de donnéesX.


Types d’ACP
-ACP : décomposition factorielle des nuages

de points associés àun tableau
individus*variables.
-Plusieurs types d’ACP selon la métrique

choisie pour mesurer la distance entre
deux individus:
Types d’ACP
--ACP centrée :
Décomposition factorielle du tableau centré
(variables homogènes, même unité demesure).
--ACP normée:
Décomposition factorielle du tableau réduit (donne
aux variables la même influence sur le calcul de la
distance entre individus).
Les données : Tableau individus*variables
-p variables X1,...X p observés sur n individus I1 ,...I n
-On note X la valeur de la variable

i
j Xj observée
sur l’individu I i
Individu/Variable X1 X2 … (j) Xp
I1 X 11 X 21 X 1j X 1p
I2 X 12 X 22 X 2j X p2
… (i) … … X ij …
In X 1n X 2n X nj X pn
Les données : Représentation matricielle
x11 x12 ... x1j ... x1p 

 2 2 
 x1 x2 ... x j ... x p 
2 2
X  i 
............ x j ........ 
xn n n
 1 x2 ... x j ... x p 
n
Les données : Vecteur individu
Chaque individu est décrit par p variables, formant

un vecteur de dimension p.
 x1i 
 i 
 x2 
... 
I i   i   IR p
x j 
 
... 
 xi 
 p
Les données : Vecteur variable
Chaque variable peut être représentée par un

vecteur de dimension n.
Ce vecteur correspond aux valeurs prises par cette

variable sur les n individus.
x j 
1
 
 x nj 
 
X j   i  IRn
...
x 
 j
... 
 n
 xj 
Exemple :
Considérons les notes de n=9 étudiants, dans p=4
matières suivant le tableau suivant :
Math Phys Fran Angl
Elève 1 6 6 5 5,5
Elève 2 8 8 8 8
Elève 3 6 7 11 9,5
Elève 4 14,5 14,5 15,5 15
Elève 5 14 14 12 12,5
Elève 6 11 10 5,5 7
Elève 7 5,5 7 14 11,5
Elève 8 13 12,5 8,5 9,5
Elève 9 9 9,5 12,5 12
Réécrire ce tableau sous forme matricielle. Et donner des exemples de

vecteur individu et vecteur variable.
Solution :
4 variables quantitatives : notes de 4 matières.
X1 : Note Mathématiques
X2 : Note Physique
X3 : Note Français
X4 : Note Anglais
9 individus = élèves
Ii : ième individu.
6 6 5 5,5 
8 
 8 8 8 
6 7 11 9,5 
 
14,5 14,5 15,5 15 
X  14 14 12 12,5 
 
11 10 5,5 7 
 5,5 7 14 11,5 
 
13 12,5 8,5 9,5 
9 
 9,5 12,5 12 
6 
8 
 
6 
 
14,5
X1  14 
 
11 
 5,5 
 
13 
9 
 
6 
6 
I1   
5 
 
5,5
Les données : Matrice des poids associés aux individus
Le poids attribué à chaque individu exprime

l’importance que l’on désire lui accorder dans l’étude
(représentativité de l’échantillon étudié dans la
population) :
 p1 0 .............. 0 
0 p ............. 0  n
P 2  0  p  1; i  1,..., n;  p  1; n  IN
0............ pi ...0  i
i1
i
 
0 ...................pn 
Les données : Matrice des poids associés aux individus
Généralement :
1
P In
n
I n : Matrice Identité
Nuages de points associés aux données
Nuage des points-individus = coordonnées des n

points-individus dans le repère de dont les axessont
lesp variables dutableau.

I i  x x ... x ... x
i
1
i
2
i
j p
i t
Nuages de points associés aux données
Nuage des points-variables = coordonnées des p

points-variables dans le repère de dont les axes sont
déterminés par lesn individus.

X j  x x ... x ... x
1
j
n
j
i
j j
n t
Le centre de gravité d’un nuage
Le centre de gravité du nuage de points G

caractérise la position globale d’un nuage (individu)
danslerepère.
C’est le point autour duquel «gravitent »lespoints

du nuage. x 1 
x 
 2
...  n
G    x j   pi x ij
xj  i1
... 
 
xp 
Exemple :
Math Phys Fran Angl
Elève 1 6 6 5 5,5
Elève 2 8 8 8 8
Elève 3 6 7 11 9,5
Elève 4 14,5 14,5 15,5 15
Elève 5 14 14 12 12,5
Elève 6 11 10 5,5 7
Elève 7 5,5 7 14 11,5
Elève 8 13 12,5 8,5 9,5
Elève 9 9 9,5 12,5 12
Déterminer le centre de gravité G du nuage de points-individus

Inertie du nuage
Eloignement d’un point du nuage par rapport au

centre de gravité (distance euclidienne).
p
d (I i ,G)  G  I i   (x ij  x j ) 2
2 2
j1
Inertie du nuage
Inertie du nuage de points par rapport àson centre

de gravité = somme pondérée des éloignements :
n
Inertie  It   pi d 2 (I i , G)
i1
Inertie du nuage
L’inertie caractérise la dispersion ou la forme du

nuage par rapport àson centre.
Au plus It est élevée, au plus le nuage est dispersé

autour de son centre de gravité.
Une inertie nulle signifie que tous les individus

sont presque identiques.
Centre de gravité du nuage de points-individus
G = vecteur de dimension p dont les coordonnées

sont les moyennes arithmétiques pondérées desp
variables (G =individu moyen ) :
x1 
x 
 2
...  n
G  x j   pi x ij
xj  i1
... 
 
xp 
G  X t PE
E = vecteur de dimension n dont toutes les
composantes sont égales à1.
Matrice centrée associée à X
Centrage : permet de ramener toutes les colonnes

de X àla même origine, zéro : xi
 xi
x
j j j
Matrice centrée:
 x  x1 x
1 
1 x ... x 1
 x ... x 1
x 

1 2 2 j j p p

 x1  x1 x2  x2 ... x j  x j ... x p  x p 
2 2 2 2
X C  X  EGt   
............ .............. x j  x j .............. 
i
 n 
 x1  x1 x2  x2 ... x j  x j ... x p  x p 
n n n
Exemple :
Math Phys Fran Angl
Elève 1 6 6 5 5,5
Elève 2 8 8 8 8
Elève 3 6 7 11 9,5
Elève 4 14,5 14,5 15,5 15
Elève 5 14 14 12 12,5
Elève 6 11 10 5,5 7
Elève 7 5,5 7 14 11,5
Elève 8 13 12,5 8,5 9,5
Elève 9 9 9,5 12,5 12
Déterminer la matrice centrée

Matrice de variance-covariance associée à X
n
Cov(X j , Xk )   pi (x  xj )(xki  xk)
i
j
i1
n
Var(X j )  Cov(X j , X j )  i
p (x i
jxj ) 2
i1
 (X j )  Var(X j )
Matrice de variance-covariance associée à X
Var( X 1 ) Cov( X 1 , X 2 ) ... Cov( X 1 , X j ) ... Cov( X 1 , X p ) 

 
 Cov(X 2 , X 1 ) Var( X 2 ) ... Cov( X 2 , X j ) ... Cov( X 2 , X p 
)
V  ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... 
 
Cov(X j , X 1 ) Cov( X j , X 2 ) ... Var( X j ) ... ... Cov( X j , X p )
 
Cov(X p , X 1 ) Cov( X p , X 2 ) ... Cov( X p , X j ) ... Var( X p )
V  X t PX ou V  X t PX GtG
C C
Exemple :
Math Phys Fran Angl
Elève 1 6 6 5 5,5
Elève 2 8 8 8 8
Elève 3 6 7 11 9,5
Elève 4 14,5 14,5 15,5 15
Elève 5 14 14 12 12,5
Elève 6 11 10 5,5 7
Elève 7 5,5 7 14 11,5
Elève 8 13 12,5 8,5 9,5
Elève 9 9 9,5 12,5 12
Déterminer la matrice de variance-covariance

Matrice centrée réduite associée à X
Réduction = ramener toutes les variables à

une même origine 0 et un même écart-
type 1.
j  xj
i
x
Centrage + réduction = x j 
i
 (X j )
La matrice centrée réduite : X r  XC Ds1
Matrice centrée réduite associée à X
 x11  x1 x12  x2 x1p  x p 

 ... 
  ( X 1 )  (X 2 )  (X p) 
 2 x 2p  x p 
 1x  x 1
x 2  x2
2

...
  ( X1 )  ( X 2 )  (X p) 
 
 ... ... ... ... ... ... ... ... 
Xr  
x i
 x 2  x2
i x ip  x p 
 1 1 x
... 
  (X 1 )  ( X 2 )  (X p) 
 
... ... ... ... ... ... ... ... 
 n x np  x p 
 1x  x 1
x 2  x2
n

...
 ( X 1 )  ( X 2 )  ( X p ) 
Exemple :
Math Phys Fran Angl
Elève 1 6 6 5 5,5
Elève 2 8 8 8 8
Elève 3 6 7 11 9,5
Elève 4 14,5 14,5 15,5 15
Elève 5 14 14 12 12,5
Elève 6 11 10 5,5 7
Elève 7 5,5 7 14 11,5
Elève 8 13 12,5 8,5 9,5
Elève 9 9 9,5 12,5 12
Déterminer la matrice centrée réduite

Matrice de corrélation associée à X
Le coefficient de corrélation linéaire entre deux

variables quantitatives permet de mesurer le lien
linéaire entre cesdeux variables :
Cov(X , X )
r(X , X )  j k
j k  (X ) (X )
1 r(X j , Xk ) 1
j k
-D’autant plus grand en valeur absolue que le lien

linéaire est grand.
-Nul si absence de lien linéaire.
Matrice de corrélation associée à X
1 r( X 1 , X 2 ) ... r( X 1 , X j ) ... r( X 1 , X p ) 
 
r( X 2 , X1 ) 1 ... ... ... r( X 2 , X j ) ... r( X 2 , X p ) 
... ... ... ... ... ... ... ... ... ... ... ... ... ... 
R 
r( X j , X 1 ) r( X j , X 2 ) ... 1 ... ... ... r( X j , X p ) 
 
... ... ... ... ... ... ... ... ... ... ... ... ... ... 
r(X p , X 1 ) r( X p , X 2 ) ... r( X p , X j ) ... ... ... 1 
Exemple :
Math Phys Fran Angl
Elève 1 6 6 5 5,5
Elève 2 8 8 8 8
Elève 3 6 7 11 9,5
Elève 4 14,5 14,5 15,5 15
Elève 5 14 14 12 12,5
Elève 6 11 10 5,5 7
Elève 7 5,5 7 14 11,5
Elève 8 13 12,5 8,5 9,5
Elève 9 9 9,5 12,5 12
Déterminer la matrice descorrélations

Langue

Cours:: Analyse de Données

Transféré par

Informations du document

Description :

Titre original

Copyright

Partager ce document

Partager ou intégrer le document

Options de partage

Avez-vous trouvé ce document utile ?

Ce contenu est-il inapproprié ?

Description :

Droits d'auteur :

Cours:: Analyse de Données

Titre original :

Transféré par

Description :

Droits d'auteur :

COURS :

CHAPITRE I : INTRODUCTION À L’ANALYSEDE DONNÉES ETÀ LADATASCIENCE

On peut effectuer représentation

Si on a plusieurs variables (par exemple plus

=>D’où l’utilisation des méthodes de

Méthodes de projection : méthodes

Projeter : c’est faire de bonne photo.

La question qui sepose : sur quelle direction

Tableau de variables quantitatives sur

Tableau croisant deux variables qualitatives.

Tableau de variables qualitatives sur

Autre type de tableaux (tableau de paquets

Les méthodes d’analyse des données suivant le

Tableau de variables quantitatives sur

Tableau de variables qualitatives sur

De l’image à la réalité: outils

Ce que est observé sur les peut

Il faut des outils d’aide àinterprétation.

Les outils d’aide àl’interprétation :

Sur ce tableau on veut savoir :

- quels sont les individus qui seressemblent.

-Approximation du tableau X( n*p) par un tableau C

-Les variables de C sont obtenues comme

-Visualisation des nuages de points associés au tableau

L’ACP étudie deux nuages :

Ces deux nuages permettent de visualiser :

-les liens entre les variables

-les ressemblances/dissemblances entre individus

contenus dans le tableau de donnéesX.

Nuage des individus, nuage des variables

-ACP : décomposition factorielle des nuages

-Plusieurs types d’ACP selon la métrique

-p variables X1,...X p observés sur n individus I1 ,...I n

-On note X la valeur de la variable

x11 x12 ... x1j ... x1p 

Chaque individu est décrit par p variables, formant

Chaque variable peut être représentée par un

Ce vecteur correspond aux valeurs prises par cette

Réécrire ce tableau sous forme matricielle. Et donner des exemples de

Le poids attribué à chaque individu exprime

Nuage des points-individus = coordonnées des n

Nuage des points-variables = coordonnées des p

Le centre de gravité du nuage de points G

C’est le point autour duquel «gravitent »lespoints

Déterminer le centre de gravité G du nuage de points-individus

Eloignement d’un point du nuage par rapport au

Inertie du nuage de points par rapport àson centre

L’inertie caractérise la dispersion ou la forme du

Au plus It est élevée, au plus le nuage est dispersé

Une inertie nulle signifie que tous les individus

G = vecteur de dimension p dont les coordonnées

Centrage : permet de ramener toutes les colonnes

Déterminer la matrice centrée

Var( X 1 ) Cov( X 1 , X 2 ) ... Cov( X 1 , X j ) ... Cov( X 1 , X p ) 

Déterminer la matrice de variance-covariance

Réduction = ramener toutes les variables à

 x11  x1 x12  x2 x1p  x p 

Déterminer la matrice centrée réduite

Le coefficient de corrélation linéaire entre deux

-D’autant plus grand en valeur absolue que le lien

Déterminer la matrice descorrélations