Faculté des Sciences Exactes et informatique

Département de Mathématiques et Informatique

Filière Informatique
1ièr année Master
Matière : Analyse des données
Cours 2 Analyse factoriel des correspondances AFC

1- Construction de tableau de données

- Tableau individus/variables : ce type de tableau contient n lignes et n p colonnes de telle sorte les lignes
représentent les individus, tandis que les colonnes représentent les variables. Exemple : le tableau suivant
contient 10 individus caractérisés par 3 variables : couleur, poids et forme.

Produit Couleur Poids Forme

P1 Bleu Lourd Rond
P2 Blanc Léger Carré
P3 Vert Léger Rond
P4 Bleu Très lourd Carré
P5 Blanc Léger Rond
P6 Vert Très lourd Carré
P7 Bleu Léger Rond
P8 Blanc Très lourd Carré
P9 Vert Très lourd Rond
P10 Bleu Lourd Carré

- Tableau de contingence : est un tableau d’effectifs obtenus en croisant les modalités de deux variables
qualitatives définies sur une même population de n individus. On peut dire aussi que c’est un tableau de type
variable/variable avec 𝐾 = ∑𝑖 ∑𝑗 𝐾𝑖𝑗

Exemple :

- Tableau de contingence (couleur/poids) : 𝐾𝑖𝑗 avec 𝐾 = ∑𝑖 ∑𝑗 𝐾𝑖𝑗 = 10

Couleur \ Poids Léger Lourd Très lourd

Bleu 1 2 1
Blanc 2 0 1
Vert 1 0 2
- Tableau de contingence (couleur/Forme) : 𝐾𝑖𝑗 avec 𝐾 = ∑𝑖 ∑𝑗 𝐾𝑖𝑗 = 10

Couleur\Forme Rond Carré

Bleu 2 2
Blanc 1 2
Vert 2 1
- Tableau de contingence (Poids /Forme) : 𝐾𝑖𝑗 avec 𝐾 = ∑𝑖 ∑𝑗 𝐾𝑖𝑗 = 10

Poids \ Forme Rond Carré

Léger 3 1
Lourd 1 1
Très lourd 1 3

Analyse des données Page 1/6

2- Statistique à deux variables
Dans la partie statistique à deux variables, on trouve l’algorithme d’AFC qui a été introduit par
Bezécri sous le nom d’analyse factoriel des correspondances. Cette dernière traite le tableau de contingence
(variable/variable), appelé aussi tableau croisé qui contient n lignes et p colonnes relatifs aux modalités des deux
variables x et Y, respectivement.
Le but de l’AFC est d’extraire des données quantitatives à partir des données qualitatives
NB : l’AFC appliquer seulement sur deux variables données qualitatif

- Les étapes d’une analyse factorielle des correspondances (AFC)

a) Tableau de fréquences : ce tableau est obtenu après normalisation du tableau de contingence en divisant par
𝐾𝑖𝑗
K (le nombre total des individus) c.à.d. 𝑓𝑖𝑗 = avec 𝐾 = ∑𝑖 ∑𝑗 𝐾𝑖𝑗
𝐾

𝑙𝑒𝑠 𝑓𝑖. = ∑𝑝𝑗=1 𝑓𝑖𝑗 Fréquence marginale ligne et 𝑓.𝑗 = ∑𝑛𝑖=1 𝑓𝑖𝑗 fréquence marginale

Sur le même exemple précèdent : nous avons fixé deux variables couleur/poids

1) Tableau de contingence (variable/variable) (couleur/poids) : 𝐾𝑖𝑗 avec 𝐾 = ∑𝑖 ∑𝑗 𝐾𝑖𝑗

Couleur \ Poids Léger Lourd Très lourd

Bleu 1 2 1
Blanc 2 0 1
Vert 1 0 2

𝐾𝑖𝑗
2) Tableau de fréquence : 𝑓𝑖𝑗 = avec : 𝑓𝑖. = ∑𝑝𝑗=1 𝑓𝑖𝑗 fréquence marginale ligne et 𝑓.𝑗 = ∑𝑛𝑖=1 𝑓𝑖𝑗
𝐾
fréquence marginale colonne

𝑓𝑖𝑗 𝑓𝑖1 𝑓𝑖2 𝑓𝑖3 𝑓𝑖.

𝑓1𝑗 1/10 2/10 1/10 4/10
𝑓2𝑗 2/10 0 1/10 3/10
𝑓3𝑗 1/10 0 2/10 3/10
𝑓.𝑗 4/10 2/10 4/10 1
𝑓𝑖𝑗
b) Tableau des profils lignes 𝐹𝐽𝑖 : est un tableau des fréquences conditionnelles 𝐹𝐽𝑖 = cette valeur
𝑓𝑖.
représente la probabilité d’avoir la modalité j de la variable Y sachant que la modalité de la variable X est i .
Le nuage de point est un couple composé de cordonnées des individus 𝐹𝐽𝑖 associés à leurs poids 𝑓𝑖.

Noté par 𝑁(𝐼) = {(𝐹𝐽𝑖 , 𝑓𝑖. ), 𝑖 = 1 … 𝑛} 𝐹𝐽𝑖 : Individu 𝑓𝑖. : Poids

Exemple :
𝑓𝑖𝑗
3) Tableau de profils lignes : 𝐹𝐽𝑖 : 𝐹𝐽𝑖 = tel que : 𝑓𝑖. = ∑𝑝𝑗=1 𝑓𝑖𝑗
𝑓𝑖.

𝐹𝐽𝑖 𝐹1𝑖 𝐹2𝑖 𝐹3𝑖 𝐹𝐽𝑖

𝐹𝐽1 1/4 2/4 1/4 4/10
𝐹𝐽2 2/3 0 1/3 3/10
𝐹𝐽3 1/3 0 2/3 3/10
1 2 1 𝑡 4 2 1 𝑡 3 1 2 𝑡 3
𝑁(𝐼) = {(𝐹𝐽𝑖 , 𝑓𝑖. ), 𝑖 = 1 … 𝑛} = {[(4 , 4 , 4) ; 10] ; [(3 , 0, 3) ; 10] ; [(3 , 0, 3) ; 10]} t : vecteur transposé

Analyse des données Page 2/6

 𝑗 𝑗 𝑓𝑖𝑗
c) Tableau des profils colonnes 𝐹𝐼 : est un tableau des fréquences conditionnelles 𝐹𝐼 = cette valeur
𝑓.𝑗
représente la probabilité d’avoir la modalité i de la variable X sachant que la modalité de la variable Y est j.
𝑗
Le nuage de point est un couple composé de cordonnées des individus 𝐹𝐼 associés à leurs poids 𝑓.𝑗
𝑗 𝑗
Noté par 𝑁(𝐽) = {(𝐹𝐼 , 𝑓.𝑗 ), 𝑗 = 1 … 𝑝} 𝐹𝐼 : Individu 𝑓.𝑗 : Poids

Exemple :
𝑓𝑖𝑗
4) Tableau des profils colonnes 𝐹𝐼𝑗 : 𝐹𝐼𝑗 = tel que : 𝑓.𝑗 = ∑𝑛𝑖=1 𝑓𝑖𝑗
𝑓.𝑗

𝐹𝐼𝑗 𝐹𝐼1 𝐹𝐼2 𝐹𝐼3

𝐹1𝑗 1/4 1 1/4
𝐹2𝑗 2/4 0 1/4
𝐹3𝑗 1/4 0 2/4
𝑓.𝑗 4/10 2/10 4/10
𝑗 1 2 1 𝑡 4 𝑡
2 1 1 2 𝑡 4
𝑁(𝐽) = {(𝐹𝐼 , 𝑓.𝑗 ), 𝑗 = 1 … 𝑝} = {[( , , ) ; ] ; [(1,0,0) ; ] ; [( , , ) ; ]}
4 4 4 10 10 4 4 4 10

3- La ressemblance entre profils :

Pour déterminer la ressemblance entre deux individus de profils lignes ou profiles colonnes, on calcule la distance
munie d’une métrique : 𝝌𝟐 qui est définie par :
- La matrice diagonale M=𝐷 1 définie la métrique pour le nuage N(I)
𝑓.𝑗

- La matrice diagonale M=𝐷 1 définie la métrique pour le nuage N(J)

𝑓𝑖.

Alors la distance entre deux individus profils lignes est donnée par :
𝑝 ′ 2
′ ′ 2
(𝐹𝐽𝑖 − 𝐹𝐽𝑖 )
𝑑2 (𝐹𝐽𝑖 , 𝐹𝐽𝑖 ) = ‖𝐹𝐽𝑖 − 𝐹𝐽𝑖 ‖ =∑
𝐷1 𝑓.𝑗
𝑓.𝑗 𝑗=1
Tandis que la distance entre deux individus profils colonnes est donnée par :
𝑝 2
2 (𝐹𝐼𝑗 − 𝐹𝐼𝑗′ )
𝑑2 (𝐹𝐼𝑗 , 𝐹𝐼𝑗′ ) = ‖𝐹𝐼 − 𝑗
𝐹𝐼𝑗′ ‖𝐷 =∑
1 𝑓𝑖.
𝑓𝑖. 𝑗=1
Exemple :

Nuage N(I) :
1 2 1 𝑡 4 2 1 𝑡 3 1 2 𝑡 3
𝑁(𝐼) = {(𝐹𝐽𝑖 , 𝑓𝑖. ), 𝑖 = 1 … 𝑛} = {[( , , ) ; ] ; [( , 0, ) ; ] ; [( , 0, ) ; ]}
4 4 4 10 3 3 10 3 3 10

5) Le tableau de distance pour le nuage N(I) :

𝑝 ′ 2
′ ′ 2 (𝐹𝐽𝑖 − 𝐹𝐽𝑖 )
𝑑2 (𝐹𝐽𝑖 , 𝐹𝐽𝑖 ) = ‖𝐹𝐽𝑖 − 𝐹𝐽𝑖 ‖ =∑
𝐷1 𝑓.𝑗
𝑓 .𝑗 𝑗=1

𝑝 2 1 2 2 1 1
2 (𝐹𝐽1 − 𝐹𝐽2 ) (4 − 3 )2 (4 − 0)2 (4 − 3)2 245
𝑑2 (𝐹𝐽1 , 𝐹𝐽2 ) = ‖𝐹𝐽1 − 𝐹𝐽2 ‖ =∑ = + + =
𝐷1 𝑓.𝑗 4 2 4 144
𝑓.𝑗 𝑗=1 10 10 10
𝑝 2 1 1 2 1 2
2 (𝐹𝐽1 − 𝐹𝐽3 ) (4 − 3)2 (4 − 0)2 (4 − 3)2 245
𝑑2 (𝐹𝐽1 , 𝐹𝐽3 ) = ‖𝐹𝐽1 − 𝐹𝐽3 ‖ =∑ = + + =
𝐷1 𝑓.𝑗 4 2 4 144
𝑓.𝑗 𝑗=1 10 10 10

Analyse des données Page 3/6

 𝑝 2 2 1 1 2
2 (𝐹𝐽2 − 𝐹𝐽3 ) (3 − 3)2 (0 − 0)2 (3 − 3)2 5
𝑑2 (𝐹𝐽2, 𝐹𝐽3 ) = ‖𝐹𝐽2 − 𝐹𝐽3 ‖ =∑ = + + =
𝐷1 𝑓.𝑗 4 2 4 9
𝑓.𝑗 𝑗=1 10 10 10
′
𝑑2 (𝐹𝐽𝑖 , 𝐹𝐽𝑖 ) 𝐹𝐽1 𝐹𝐽2 𝐹𝐽3
𝐹𝐽1 0 245/144 245/144
𝐹𝐽2 245/144 0 5/9
𝐹𝐽3 245/144 5/9 0

Nuage N(J) :
𝑗 1 2 1 𝑡 4 2 1 1 2 𝑡 4
𝑁(𝐽) = {(𝐹𝐼 , 𝑓.𝑗 ), 𝑗 = 1 … 𝑝} = {[( , , ) ; ] ; [(1,0,0)𝑡 ; ] ; [( , , ) ; ]}
4 4 4 10 10 4 4 4 10

6) Le tableau de distance pour le nuage N(J) :

𝑝 𝑗 𝑗′ 2
2 (𝐹 − 𝐹𝐼 )
𝑑2 (𝐹𝐼𝑗 , 𝐹𝐼𝑗′ ) = ‖𝐹𝐼𝑗 − 𝐹𝐼𝑗′ ‖𝐷 =∑ 𝐼
1 𝑓𝑖.
𝑓𝑖. 𝑗=1

𝑛 1 2 2 1
2 (𝐹𝐼1 − 𝐹𝐼2 )2 (4 − 1) (4 − 0)2 (4 − 0)2 55
𝑑2 (𝐹𝐼1 , 𝐹𝐼2 ) = ‖𝐹𝐼1 − 𝐹𝐼2 ‖𝐷 =∑ = + + =
1 𝑓𝑖. 4 3 3 48
𝑓𝑖. 𝑖=1 10 10 10
𝑛 1 1 2 2 1 1 2
2 (𝐹𝐼1 − 𝐹𝐼3 )2 (4 − 4) (4 − 4 )2 (4 − 4 )2 5
𝑑2 (𝐹𝐼1 , 𝐹𝐼3 ) = ‖𝐹𝐼1 − 𝐹𝐼3 ‖𝐷 =∑ = + + =
1 𝑓𝑖. 4 3 3 12
𝑓𝑖. 𝑖=1 10 10 10
𝑛 1 2 1 2
2 (𝐹𝐼2 − 𝐹𝐼3 )2 (1 − 4) (0 − 4)2 (0 − 4)2 235
𝑑2 (𝐹𝐼2, 𝐹𝐼3 ) = ‖𝐹𝐼2 − 𝐹𝐼3 ‖𝐷 =∑ = + + =
1 𝑓𝑖. 4 3 3 96
𝑓𝑖. 𝑖=1
10 10 10
𝑑2 (𝐹𝐼𝑗 , 𝐹𝐼𝑗′ ) 𝐹𝐼1 𝐹𝐼2 𝐹𝐼3
𝐹𝐼1 0 55/48 5/12
𝐹𝐼2 55/48 0 235/96
𝐹𝐼3 5/12 235/96 0

4- Centre de gravité pour chaque nuage : généralement, le centre de gravité est donné par la formule suivante
∑𝑛 𝑝𝑖 𝑥𝑖
𝑔 = 𝑖=1
∑𝑛𝑖=1 𝑝𝑖
𝑝𝑖 : 𝑙𝑒 𝑝𝑜𝑖𝑑𝑠 𝑑𝑒 𝑐ℎ𝑎𝑞𝑢𝑒 𝑖𝑛𝑑𝑖𝑣𝑖𝑑𝑢 𝑥𝑖 : 𝑖𝑛𝑑𝑖𝑣𝑖𝑑𝑢

Alors le Centre de gravité pour le nuage N(I) est :

𝑓𝑖𝑗
∑𝑛 𝑖 ∑𝑛
𝑖=1 𝑓𝑖.∗ ∑𝑛
𝑖=1 𝑓𝑖. ∗𝐹𝐽 𝑓𝑖. 𝑖=1 𝑓𝑖𝑗 𝑓.𝑗 𝑓.𝑗 𝑓.𝑗 𝑓.𝑗
𝑔𝑁(𝐼) = ∑𝑛
= ∑𝑛
= ∑𝑛
=∑ 𝑛 𝑝 = 𝑝 𝐾𝑖𝑗
= 1 𝑛 𝑝 = 1 = 𝑓.𝑗
𝑖=1 𝑓𝑖. 𝑖=1 𝑓𝑖. 𝑖=1 𝑓𝑖. 𝑖=1 ∑𝑗=1 𝑓𝑖𝑗 ∑𝑛
𝑖=1 ∑𝑗=1 𝐾
∑ ∑ 𝐾
𝐾 𝑖=1 𝑗=1 𝑖𝑗 𝐾
∗𝐾

Concernant le centre de gravité pour le nuage N(J) est défini par :

𝑝 𝑓𝑖𝑗
𝑝 ∑𝑗=1 𝑓.𝑗 ∗ 𝑝
∑𝑗=1 𝑓𝑗. ∗𝐹𝑖𝐽 𝑓.𝑗 ∑𝑗=1 𝑓𝑖𝑗 𝑓𝑖. 𝑓𝑖. 𝑓𝑖. 𝑓𝑖.
𝑔𝑁(𝐽) = 𝑝 = 𝑝 = 𝑝 = ∑𝑝 𝑛 = 𝐾𝑖𝑗 = 1 𝑝 = 1 = 𝑓𝑖.
∑𝑗=1 𝑓.𝑗 ∑𝑗=1 𝑓.𝑗 ∑𝑗=1 𝑓.𝑗 𝑗=1 ∑𝑖=1 𝑓𝑖𝑗
𝑝
∑𝑗=1 ∑𝑛 ∑ ∑𝑛 𝐾 ∗𝐾
𝑖=1 𝐾 𝐾 𝑗=1 𝑖=1 𝑖𝑗 𝐾

Remarque : Le centre de gravité pour le nuage N(I) correspond aux fréquences marginales colonnes, tandis que centre

de gravité pour le nuage N(J) corresponds aux fréquences marginales lignes.

Analyse des données Page 4/6

Exemple :
4/10
Le centre de gravité du nuage N(I) : 𝑓.𝑗 = (2/10)
4/10
4/10
Le centre de gravité du nuage N(J) : 𝑓𝑖. = (3/10)
3/10
5- Calcul d’inertie :
L’inertie représente la variance et qui est calculée par : 𝐼 = ∑𝑛𝑖=1 𝑝𝑖 𝑑2 (𝑥𝑖 , 𝑔) avec 𝑝𝑖: 𝑙𝑒 𝑝𝑜𝑖𝑑 𝑥𝑖 : 𝑖𝑛𝑑𝑖𝑣𝑖𝑑𝑢 g : centre
de gravité
L’inertie pour le nuage N(I) est calculée par :
2
(𝐹𝑖𝐽 −𝑓.𝑗 ) 2
𝑖 𝑝
𝐼𝑁(𝐼) = ∑𝑛𝑖=1 𝑓𝑖.𝑑2(𝐹𝐽 , 𝑓.𝑗 ) = ∑𝑛𝑖=1 𝑓𝑖. ∑𝑗=1
𝑓.𝑗
avec 𝑑2 (𝐹𝐽𝑖 , 𝑓.𝑗 ) = ‖𝐹𝐽𝑖 − 𝑓.𝑗 ‖
𝐷1
𝑓.𝑗

Exemple :
4/10
1 2 1 𝑡 4 2 1 1 2 𝑡 4
(𝐽) = {(𝐹𝐼𝑗 , . 𝑗.𝑗 ), 𝑗 𝑡
= 1 … 𝑝} = {[( , , ) ; ] ; [(1,0,0) ; ] ; [( , , ) ; ]} 𝑓𝑖. = (3/10)
4 4 4 10 10 4 4 4 10
3/10
𝑛 𝑗 2
𝑝
2 𝑝 (𝐹𝐼 − 𝑓𝑖. )
𝐼𝑁(𝐽) = ∑ 𝑓.𝑗 𝑑 (𝐹𝑗𝐼 , 𝑓𝑖. ) =∑ 𝑓𝑖. ∑
𝑗=1 𝑗=1 𝑓𝑖.
𝑖=1

𝐼𝑁(𝐽) = 𝑓.1 𝑑2 (𝐹𝐼1 , 𝑓𝑖. ) + 𝑓.2 𝑑2 (𝐹𝐼2 , 𝑓𝑖. ) + 𝑓.3 𝑑2 (𝐹𝐼3 , 𝑓𝑖. )
1 4 2 2 3 1 3 4 2 3 3
4 (4 − 10) (4 − 10)2 (4 − 10)2 2 (1 − 10) (0 − 10)2 (0 − 10)2
= [ + + ]+ [ + + ]
10 4 3 3 10 4 3 3
10 10 10 10 10 10
1 4 2 1 3 2 2 3 2
4 ( − ) ( − ) ( − )
+ [ 4 10 + 4 10 + 4 10 ]
10 4 3 3
10 10 10
L’inertie pour le nuage N(J) est calculée par :
𝑗 2
( 𝐹 −𝑓 ) 2
𝑗
𝐼𝑁(𝐽) = ∑𝑝𝑗=1 𝑓.𝑗 𝑑2(𝐹 ,𝐼 𝑓𝑖.) = ∑𝑝𝑗=1 𝑓.𝑗 ∑𝑛𝑖=1 𝐼 𝑓 𝑖. Avec 𝑑2 (𝐹𝐼𝑗 , 𝑓.𝑗 ) = ‖𝐹𝐼𝑗 − 𝑓.𝑗 ‖
𝑖. 𝐷1
𝑓 .𝑖

Exemple :
4/10
1 2 1 𝑡 4 2 1 1 2 𝑡 4
𝑁(𝐽) = {(𝐹𝐼𝑗 , . 𝑗.𝑗 ), 𝑗 𝑡
= 1 … 𝑝} = {[( , , ) ; ] ; [(1,0,0) ; ] ; [( , , ) ; ]} 𝑓𝑖. = (3/10)
4 4 4 10 10 4 4 4 10 3/10
𝑛 𝑗 2
𝑝
2 𝑝 (𝐹𝐼 − 𝑓𝑖. )
𝐼𝑁(𝐽) = ∑ 𝑓.𝑗 𝑑 (𝐹𝑗𝐼 , 𝑓𝑖. ) =∑ 𝑓𝑖. ∑
𝑗=1 𝑗=1 𝑓𝑖.
𝑖=1

𝐼𝑁(𝐽) = 𝑓.1 𝑑2 (𝐹𝐼1 , 𝑓𝑖. ) + 𝑓.2 𝑑2 (𝐹𝐼2, 𝑓𝑖. ) + 𝑓.3 𝑑2 (𝐹𝐼3, 𝑓𝑖. )
1 4 2 2 3 1 3 4 2 3 3
4 (4 − 10) (4 − 10)2 (4 − 10)2 2 (1 − 10) (0 − 10)2 (0 − 10)2
= [ + + ]+ [ + + ]
10 4 3 3 10 4 3 3
10 10 10 10 10 10
1 4 2 1 3 2 2 3 2
4 ( − ) ( − ) ( − )
+ [ 4 10 + 4 10 + 4 10 ]
10 4 3 3
10 10 10

Analyse des données Page 5/6

Résumé du cours : tableaux de données et mesures de similarité
On s’intéresse à l’AFC : analyse factorielle des correspondances
Tableau de données :
1) Tableau de contingence (variable/variable) : 𝐾𝑖𝑗 avec 𝐾 = ∑𝑖 ∑𝑗 𝐾𝑖𝑗
𝐾𝑖𝑗
2) Tableau de fréquence : 𝑓𝑖𝑗 = 𝐾
𝑓𝑖𝑗
3) Tableau de profils lignes : 𝐹𝐽𝑖 : 𝐹𝐽𝑖 = tel que : 𝑓𝑖. = ∑𝑝𝑗=1 𝑓𝑖𝑗 fréquence marginale ligne
𝑓𝑖.
𝑗 𝑗 𝑓𝑖𝑗
4) Tableau des profils colonnes 𝐹𝐼 : 𝐹𝐼 = tel que : 𝑓.𝑗 = ∑𝑛𝑖=1 𝑓𝑖𝑗 fréquence marginale colonne
𝑓.𝑗

Le nuage 𝑁(𝐼) = {(𝐹𝐽𝑖 , 𝑓𝑖. ), 𝑖 = 1 … 𝑛} 𝑁(𝐽) = {(𝐹𝐼𝑗 , 𝑓.𝑗 ), 𝑗 = 1 … 𝑝}

𝐹𝐽𝑖 : Individu 𝑓𝑖. : Poids 𝑗
𝐹𝐼 : Individu 𝑓.𝑗 : Poids
La métrique M=𝐷 1 M=𝐷 1
𝑓.𝑗 𝑓𝑖.
utilisée
Distance entre ′ ′ 2 𝑗 𝑗′ 𝑗 𝑗′ 2
𝑑2 (𝐹𝐽𝑖 , 𝐹𝐽𝑖 ) = ‖𝐹𝐽𝑖 − 𝐹𝐽𝑖 ‖ 𝑑2 (𝐹𝐼 , 𝐹𝐼 ) = ‖𝐹𝐼 − 𝐹𝐼 ‖𝐷
deux profils : 𝝌𝟐 𝐷1 1
𝑓𝑖.
𝑓.𝑗
𝑝 2
𝑝 ′ 2 (𝐹 𝑗 − 𝐹𝐼𝑗′ )
(𝐹𝐽𝑖 − 𝐹𝐽𝑖 ) =∑ 𝐼
=∑ 𝑓𝑖.
𝑓.𝑗 𝑗=1
𝑗=1
Centre de gravité 𝑓𝑖𝑗 𝑓𝑖𝑗
𝑛
∑𝑛𝑖=1 𝑓𝑖. ∗ 𝐹𝑖𝐽 ∑𝑖=1 𝑓𝑖. ∗ 𝑓𝑖. ∑𝑝𝑗=1 𝑓𝑗. ∗ 𝐹𝑖𝐽 ∑𝑝𝑗=1 𝑓.𝑗 ∗
du nuage 𝑓.𝑗
𝑔𝑁(𝐼) = = 𝑔𝑁(𝐽) = =
∑𝑛𝑖=1 𝑓𝑖. ∑𝑛𝑖=1 𝑓𝑖. ∑𝑝𝑗=1 𝑓.𝑗 ∑𝑝𝑗=1 𝑓.𝑗
∑𝑛𝑖=1 𝑓𝑖𝑗
= 𝑛 ∑𝑝𝑗=1 𝑓𝑖𝑗
∑𝑖=1 𝑓𝑖. =
𝑓.𝑗 𝑓.𝑗 ∑𝑝𝑗=1 𝑓.𝑗
𝑝 = 𝑓𝑖. 𝑓𝑖.
𝑛
∑𝑖=1 ∑𝑗=1 𝑓𝑖𝑗 𝐾 =
∑𝑛𝑖=1 ∑𝑝𝑗=1 𝑖𝑗 𝑝
∑𝑗=1 ∑𝑛𝑖=1 𝑓𝑖𝑗 𝐾
𝐾 ∑𝑝𝑗=1 ∑𝑛𝑖=1 𝑖𝑗
𝑓.𝑗 𝑓.𝑗 𝐾
= = 𝑓𝑖. 𝑓𝑖.
1 𝑛 1 = =
∑ ∑𝑝
𝐾 𝑖=1 𝑗=1 𝐾𝑖𝑗 𝐾 ∗ 𝐾 1 𝑝
∑𝑗=1 ∑𝑛𝑖=1 𝐾𝑖𝑗
1
= 𝑓.𝑗 𝐾 𝐾∗𝐾
= 𝑓𝑖.
𝑛 𝑝
L’inertie du 𝐼𝑁(𝐼) = ∑ 𝑓𝑖.𝑑2(𝐹𝑖𝐽 , 𝑓.𝑗 ) 𝐼𝑁(𝐽) = ∑ 𝑓.𝑗 𝑑2(𝐹𝑗𝐼 , 𝑓𝑖.)
nuage : 𝑖=1 𝑗=1
𝑛
𝐼=∑ 𝑝𝑖 𝑑2 (𝑥𝑖 , 𝑔) 2 2
𝑗 𝑗
𝑖=1 𝑑2 (𝐹𝐽𝑖 , 𝑓.𝑗 ) = ‖𝐹𝐽𝑖 − 𝑓.𝑗 ‖ 𝑑2 (𝐹𝐼 , 𝑓.𝑗 ) = ‖𝐹𝐼 − 𝑓.𝑗 ‖
𝐷1 𝐷1
𝑓.𝑗 𝑓.𝑖
𝑝 2 𝑛 2
𝑛 (𝐹𝐽𝑖 − 𝑓.𝑗 ) 𝑝 (𝐹𝐼𝑗 − 𝑓𝑖.)
=∑ 𝑓𝑖. ∑ =∑ 𝑓.𝑗 ∑
𝑖=1 𝑓.𝑗 𝑗=1 𝑓𝑖.
𝑗=1 𝑖=1

Analyse des données Page 6/6