Académique Documents
Professionnel Documents
Culture Documents
TEMPÉRATURE
18/01/2021
Ne pas réduire revient ici à considérer qu’un écart de 1 degré entre deux
villes a la même importance quel que soit le mois au cours duquel il est
observé.
Selon ce point de vue, un mois possède alors plus d’influence que l’on y
observe de grandes différences de températures d’une ville à l’autre. D’où,
ne pas réduire les variables revient à accorder aux variables un poids égal à
leur variance.
## Jan Feb Mar Apr May Jun Jul Aug Sep Oct Nov
## Jan 1.00 0.97 0.84 0.61 0.36 0.34 0.30 0.41 0.60 0.85 0.95
## Feb 0.97 1.00 0.93 0.76 0.55 0.52 0.49 0.59 0.76 0.94 0.99
## Mar 0.84 0.93 1.00 0.92 0.77 0.76 0.72 0.80 0.91 0.97 0.93
## Apr 0.61 0.76 0.92 1.00 0.95 0.94 0.91 0.95 0.98 0.91 0.78
## May 0.36 0.55 0.77 0.95 1.00 0.99 0.98 0.98 0.94 0.77 0.59
## Jun 0.34 0.52 0.76 0.94 0.99 1.00 0.99 0.99 0.94 0.76 0.57
## Jul 0.30 0.49 0.72 0.91 0.98 0.99 1.00 0.99 0.93 0.74 0.55
## Aug 0.41 0.59 0.80 0.95 0.98 0.99 0.99 1.00 0.97 0.81 0.64
## Sep 0.60 0.76 0.91 0.98 0.94 0.94 0.93 0.97 1.00 0.93 0.80
## Oct 0.85 0.94 0.97 0.91 0.77 0.76 0.74 0.81 0.93 1.00 0.96
## Nov 0.95 0.99 0.93 0.78 0.59 0.57 0.55 0.64 0.80 0.96 1.00
## Dec 0.99 0.97 0.83 0.62 0.38 0.36 0.32 0.43 0.62 0.87 0.96
TEMPÉRATURE ACP-ÉTUDE DE CAS 18/01/2021 7 / 31
Résultats de l’ACP
res.Fr_Temp=PCA(Fr_Temp,quanti.sup =13:16,graph=FALSE)
round(res.Fr_Temp$eig[1:5,-2],3)
79.8%
80
60
Percentage of explained variances
40
20 19%
1 2 3 4 5 6 7 8 9 10
Dimensions
TEMPÉRATURE ACP-ÉTUDE DE CAS 18/01/2021 10 / 31
Encore
Contribution of variables to Dim−1−2
6
Contributions (%)
0
b
ct
ec
ov
ay
Ju
Fe
Ju
Ja
Au
Se
M
N
D
TEMPÉRATURE ACP-ÉTUDE DE CAS 18/01/2021 11 / 31
Avec une inertie de 9.58, qui représente 80 % de l’inertie des nuages dans
l’espace tout entier, le premier facteur est largement prépondérant.
Les deux premiers facteurs totalisent 98.8 % de l’inertie totale.
Les deux nuages de points (individus et variables) sont donc pratiquement
bidimensionnels: leur projection sur le premier plan factoriel en donne une
représentation quasiment parfaite.
Jan
Dec
0.5 Feb
Nov
Oct
Dim2 (19%)
Mar
0.0
Apr
Sep
Aug
−0.5
May
Jul Jun
−1.0
TEMPÉRATURE ACP-ÉTUDE DE CAS 18/01/2021 16 / 31
Matrice des corrélations
round(cor.mat,2)
## Jan Feb Mar Apr May Jun Jul Aug Sep Oct Nov
## Jan 1.00 0.97 0.84 0.61 0.36 0.34 0.30 0.41 0.60 0.85 0.95
## Feb 0.97 1.00 0.93 0.76 0.55 0.52 0.49 0.59 0.76 0.94 0.99
## Mar 0.84 0.93 1.00 0.92 0.77 0.76 0.72 0.80 0.91 0.97 0.93
## Apr 0.61 0.76 0.92 1.00 0.95 0.94 0.91 0.95 0.98 0.91 0.78
## May 0.36 0.55 0.77 0.95 1.00 0.99 0.98 0.98 0.94 0.77 0.59
## Jun 0.34 0.52 0.76 0.94 0.99 1.00 0.99 0.99 0.94 0.76 0.57
## Jul 0.30 0.49 0.72 0.91 0.98 0.99 1.00 0.99 0.93 0.74 0.55
## Aug 0.41 0.59 0.80 0.95 0.98 0.99 0.99 1.00 0.97 0.81 0.64
## Sep 0.60 0.76 0.91 0.98 0.94 0.94 0.93 0.97 1.00 0.93 0.80
## Oct 0.85 0.94 0.97 0.91 0.77 0.76 0.74 0.81 0.93 1.00 0.96
## Nov 0.95 0.99 0.93 0.78 0.59 0.57 0.55 0.64 0.80 0.96 1.00
## Dec 0.99 0.97 0.83 0.62 0.38 0.36 0.32 0.43 0.62 0.87 0.96
res.Fr_Temp$ind$coord[1:5,1:2]
## Dim.1 Dim.2
## Bordeaux 3.120707 0.1092968
## Brest -2.268005 4.0933073
## Clermont -1.725936 -0.5925322
## Grenoble -1.529258 -1.6879482
## Lille -4.216825 0.5952014
On a
1 X xik − x̄k 1 1 X xik − x̄k
Fs (i) = √ Gs (k) Gs (k) = √ Fs (i)
λs k sk I λs i sk
4 Brest
2
Rennes
Dim2 (19%)
Nantes
Lille
0 Bordeaux
Paris Toulouse
Vichy
Montpellier
Clermont
Marseille
Lyon
Grenoble
−2
TEMPÉRATURE ACP-ÉTUDE DE CAS 18/01/2021 20 / 31
Interprétation
Fig3=fviz_pca_var(res.Fr_Temp,
invisible="quanti.sup" ,repel =TRUE)
1.0
Jan
Dec
0.5 Feb
Nov
Oct
Dim2 (19%)
Mar
0.0
Apr
Sep
Aug
May
−0.5
Jun
Jul
res.Fr_Temp$quanti.sup$coord
1.0
0.5
Lat
Dim2 (19%)
0.0
Moy
−0.5
Long
Ampl
−1.0 TEMPÉRATURE ACP-ÉTUDE DE CAS 18/01/2021 29 / 31
Premier plan factoriel