ADD Slides CHAP I

Introduction
Rappels Généraux Institut Sous-régional de Statistiques et d’Economie Appliquée

Les Méthodes d’AMD
Analyse Des Données

Chapitre I : Introduction, rappels mathématiques et de statistique
descriptive
Brice DONGMEZO, PhD

Ingénieur Statistitien Economiste
brice.dongmezo@issea-cemac.org
Institut Sous-régional de Statistiques et d’Economie Appliquée (ISSEA) - Yaoundé

ISE Math-Eco & ISE L3 - S2
7th February 2024
Brice DONGMEZO, PhD 7th February 2024 Analyse des Données (ADD) 1 / 29
Introduction
Outline
Introduction
Rappels Généraux
Opérations algébriques
Décompositions matricielle
Concepts fondamentaux de la statistique
Analyse statistique univariée et bivariée

Définitions AMD
Domaines d’application
Les objectifs, données et les méthodes
Les logiciels
Introduction
Objectifs du cours
Objectif
• Objectif principal :
Renforcer les acquis des cours de statistique descriptive, le logiciel
statistique et dans une certaine mesure de statistique inférentielle
• Objectif spécifique
• Comprendre les techniques factorielles d’analyse des données pour la
description de données numériques multidimensionnelles ou pour
l’analyse des liaisons entre plusieurs variables de même type ou de
type différent.
• Identifier des problématiques statistiques, économiques et sociales
nécessitant l’utilisation des techniques d’ADD.
Introduction
Organisation pratique du cours
• 30 heures de cours reparties en 08 semaines (plus ou moins suivant

la disponibilité de l’enseignant)
• 12 heures de cours magistral (CM)
• 6 heures de travaux dirigés (TD)
• 12 heures de travaux pratiques (TP)
• Evaluation du module
• Projet sur les méthodes étudiées + présentation vous pouvez
commencer maintenant.
• Examen final à la fin du semestre sur table.
Introduction
Propos introductifs
• Les statistiques descriptives permettent une première exploration

de données.
Introduction
Propos introductifs

de données.
• Elles sont basées sur des calculs simples, des tableaux
statistiques et des graphiques
Introduction
Propos introductifs

de données.
• Elles donnent un premier aperçu des données qui peut montrer des
tendances
Introduction
Propos introductifs

de données.
tendances
• Elles permettent aussi de caractériser les données, ce qui
nécessaire pour choisir ensuite la manière de les analyser
Introduction
Propos introductifs

de données.
tendances
• Elles permettent aussi de caractériser les données, ce qui
nécessaire pour choisir ensuite la manière de les analyser
• Dans ce cours nous allons nous concentrer essentiellement sur les
statistiques descriptives multivariées. On fait un rappel rapide dans
ce chapitre de l’algèbre matricielle nécessaire à l’analyse factorielle,
des statistiques descriptives univariées puis statistiques
descriptives bivariées.
Introduction
Opérations sur les matrices
• Notation matricielle : une matrice A de n lignes et p colonne se

note A = (aij )i=1,...,m;j=1,...,n et B = (bij )i=1,...,n;j=1,...,p , les aij et les
bij appartenant à un corps K.
Introduction

• Somme matricielle : A + B = aij + bij = (aij + bij )ij ;
Introduction

• Soustraction matricielle : A − B = aij − bij = (aij − bij )ij ;
Introduction

• Produit : A × B = (cij = nk=1 aik bkj );

P
Introduction


P
• Produit par un scalaire : µB = (µbij ); Associé à la somme confère

à Mij (K) ensemble des matrices de m lignes et n colonnes que le
corps K la structure d’espace vectoriel de dimension mn.
Introduction


P
• Produit par un scalaire : µB = (µbij ); Associé à la somme confère

à Mij (K) ensemble des matrices de m lignes et n colonnes que le
corps K la structure d’espace vectoriel de dimension mn.
• Inverse d’une Matrice : Si A est une matrice carré d’ordre n,
l’inverse de A est la matrice B telle que AB = I où I est la matrice
identité constituée de 1 à la diagonale et 0 partout ailleurs.
Introduction
Diagonalisation
• Trace d’une matrice : Somme des éléments diagonaux (matrice
Pn
carré d’ordre n) tr (A) = i=1 aii (Rappelez quelques propriétés de
la Trace: tr (λA) =?, tr (AB) =?, tr (λ) =?);
Introduction
Diagonalisation
Pn
• Déterminant d’une matrice : pour j fixé,
Pn
det(A) = i=1 (−1)i+j aij det(Aij ) avec Aij matrice dans laquelle on
a supprimé simultanément la ligne i et la colonne j (Rappelez
quelques propriétés du déterminant);
Introduction
Diagonalisation
Pn
Pn
• Valeurs propres : Quantités λ solution de l’équation
det(A − λI) = 0;
Introduction
Diagonalisation
Pn
Pn
det(A − λI) = 0;
• Vecteurs propres : Solution de l’équation Au = λu une fois les λ
obtenus.
Introduction
Diagonalisation
Pn
Pn
det(A − λI) = 0;
• Vecteurs propres : Solution de l’équation Au = λu une fois les λ
obtenus.
• Matrice Diagonale : elle est donnée par A = UDλ U −1 , où U est la
matrice dont les colonnes sont les vecteurs propres de A et Dλ est
celle dont les éléments diagonaux sont les valeurs propres de A.
Introduction

Population - Individus - Echantillon
Introduction

Types de variables
Une variable est une caractéristique commune aux individus d’une

population. Exemple : Sexe, Age etc.
Introduction

Quelques sources/origine des données
En général, les bases de données qui sont une collection de variables

peuvent être obtenues de diverses façons. Il s’agit par exemple :
• Les recensements (de population, agricole, bétail... important pour
les bases de sondages.) ;
Introduction


• Les enquêtes (programmée et précises, se concentrent sur une
population cible dit échantillon) ;
Introduction


• Les sondages (rapide et très ciblé, généralement utilisé en politique) ;
Introduction


• Les entretiens (ou focus group, utilisés par les sociologues) ;
Introduction


• L’enregistrement (systématique et parfois obligatoire : registres,
licences) ;
Introduction


licences) ;
• Les consultations de bases de données (issue d’une collecte
automatique) ;
Introduction


licences) ;
automatique) ;
• Les déclarations (qui sont issue de la loi, devoir etc. : Naissances,
décès etc.) ;
Introduction


licences) ;
automatique) ;
• Les déclarations (qui sont issue de la loi, devoir etc. : Naissances,
décès etc.) ;
• Les méthodes liées aux big data (obtenues généralement à travers
internet), etc.
Introduction
Analyse statistique univariée

Traitement préliminaire sur les données
Une fois les données à notre disposition, on essaie d’identifier les sources
de problèmes habituels tel que :
• Valeurs manquantes, erronées (aberrantes) ou atypiques ;
• Modalités trop rares ;
• Distributions "anormales" (dissymétrie, multimodalité, épaisseur des
queues) ;
• Incohérences, liaisons non linéaires. . .
On appliquera éventuellement des corrections telles que :
• Transformation : logarithme, puissance, réduction, rangs. . . des
variables,
• Codage en classe ou recodage de classes,
• Imputation ou non des données manquantes,
• Lissage, décompositions de courbes,
• Réduction de dimension, classification et premier choix de variables
etc.
Introduction

Analyse d’une variable qualitative
• Pour analyser une variable qualitative, on dresse un tableau qui

donne les effectifs et les pourcentages des différentes modalités de la
variable (tri à plat).
Table: Exemple sur la mendicité des almoudos (enfant de la rue en

hassanya) à Nouakchott
Mendicité Effectif Fréquence (%)

Almoudo non mendiant 36 16,25%
Almoudo mendiant 134 83,75%
Total 160 100%
Introduction

• Pour analyser une variable qualitative, on dresse un tableau qui

donne les effectifs et les pourcentages des différentes modalités de la
variable (tri à plat).
Table: Exemple sur la mendicité des almoudos (enfant de la rue en

hassanya) à Nouakchott
Mendicité Effectif Fréquence (%)

Almoudo non mendiant 36 16,25%
Almoudo mendiant 134 83,75%
Total 160 100%
• Commenter et interpreter en insistant sur les fréquences particulières

ou sur l’objet de l’étude.
Introduction

Exemple de résumé graphique
Figure: Repartition des almoudos mendiants et non mendiants
Introduction

Analyse d’une variable quantitative
Pour apprécier la distribution d’une variable quantitative, différents

indicateurs peuvent être calculés, dont des indicateurs de tendance
centrale, de dispersion, de forme etc.
• On peut caractériser en particulier :
Introduction


• Les caractéristiques de position :
Introduction


• Mode
Introduction


• Mode
• Médiane
Introduction


• Mode
• Médiane
• Quantiles
Introduction


• Mode
• Médiane
• Quantiles
• Moyennes
Introduction


• Mode
• Médiane
• Quantiles
• Moyennes
• Les caractéristiques de dispersion :
Introduction


• Mode
• Médiane
• Quantiles
• Moyennes
• Etendue
Introduction


• Mode
• Médiane
• Quantiles
• Moyennes
• Etendue
• Variance
Introduction


• Mode
• Médiane
• Quantiles
• Moyennes
• Etendue
• Variance
• Ecart type
Introduction


• Mode
• Médiane
• Quantiles
• Moyennes
• Etendue
• Variance
• Ecart type
• Les caractéristiques de forme :
Introduction


• Mode
• Médiane
• Quantiles
• Moyennes
• Etendue
• Variance
• Ecart type
• L’asymétrie
Introduction


• Mode
• Médiane
• Quantiles
• Moyennes
• Etendue
• Variance
• Ecart type
• L’asymétrie
• L’aplatissement
Introduction


• Mode
• Médiane
• Quantiles
• Moyennes
• Etendue
• Variance
• Ecart type
• L’asymétrie
• L’aplatissement
• Ici aussi il faut faire des commentaires et interprétations en insistant
sur les indicateurs particuliers ou qui aident à mieux comprendre
l’objet de l’étude.
Introduction

Nous allons rappeler ici quelques indicateurs clés :

• La moyenne : x̄ : c’est la valeur qu’aurait pris chaque individu si la
variable était répartie de façon égalitaire. La moyenne est un
indicateur de tendance centrale qui a l’inconvénient de cacher les
inégalités au sein de la population.
Introduction

Nous allons rappeler ici quelques indicateurs clés :

• La moyenne : x̄ : c’est la valeur qu’aurait pris chaque individu si la
variable était répartie de façon égalitaire. La moyenne est un
indicateur de tendance centrale qui a l’inconvénient de cacher les
inégalités au sein de la population.
• Les quantiles :
Introduction

• La variance σ 2 : C’est un indicateur de dispersion qui permet de

mesurer le degré d’homogénéité d’une population grâce notamment
à l’écart-type σ qui est sa racine carrée.
Introduction


• σ faible signifie une dispersion (des individus autour de la moyenne).
Ce qui veut dire que la population est homogène. Dans ce cas, la
moyenne est représentative et son calcul a de sens.
Introduction


• σ faible signifie une dispersion (des individus autour de la moyenne).
Ce qui veut dire que la population est homogène. Dans ce cas, la
moyenne est représentative et son calcul a de sens.
• σ élevé signifie une forte hétérogénéité de la population. Dans ce cas
x̄ n’a pas de sens.
Introduction

Exemple de tableau de statistiques descriptive sur variables

quantitative
Table: Statistiques descriptives pour variables quantitatives
VARIABLES N mean sd min max

Montant versé par jour au maitre 161 108.1 128.6 0 500
Nbre d’heures d’apprentissage 161 8.360 1.132 2 10
Age de l’almoudo 161 11.91 3.162 3 17
Taille de la famille de l’almoudo 161 5.093 2.554 0 13
La charge de l’almoudo 161 2.373 2.859 0 16
Enfant en charge 161 1.062 1.368 0 6
Nbre d’années d’etude 161 4.137 2.538 1 14
Nbre d’h de travail par semaine 158 0.203 0.573 0 3
Introduction

• Comme représentation graphique, on peut synthétiser l’information

contenue dans une variable quantitative grâce à un diagramme en
bâtons (cas d’une variable quantitative discrète) ou à l’aide d’un
histogramme ou d’une boîte à moustache (cas d’une variable
quantitative continue).
Introduction

• Comme représentation graphique, on peut synthétiser l’information

contenue dans une variable quantitative grâce à un diagramme en
bâtons (cas d’une variable quantitative discrète) ou à l’aide d’un
histogramme ou d’une boîte à moustache (cas d’une variable
quantitative continue).
• Diagramme en bâtons à gauche et boite à moustache à droite!
Introduction
Analyse statistique bivariée

Analyse de la relation entre deux variables quantitatives
• L’analyse univariée ne permet pas de faire ressortir (de dégager) les

relations qui existent entre les variables. L’analyse bivariée
s’intéresse aux relations entre les variables prises deux à deux.
Introduction


• L’analyse graphique de l’évolution d’ensemble de deux variables X et
Y est une bonne manière de se faire une première idée de l’existence
ou non de liaison entre ces variables.
Introduction


• Le graphique représenté pour ce fait est appelé « nuage de points ».
Introduction


• Le graphique représenté pour ce fait est appelé « nuage de points ».
• Ce graphique sert non seulement à déterminer s’il existe une relation
entre les 2 variables, mais aussi à caractériser la forme de la liaison
entre elles (positive ou négative, linéaire ou non linéaire, monotone
ou non monotone)
Introduction
• Les nuages
de points ci-après illustrent
quelques types de liaisons
qui peuvent exister entre deux
variables quantitatives X et Y :
• Après l’analyse graphique,
pour valider l’existence de liaison
linéaire (corrélation linéaire) entre
deux variable X et Y on calcule
le coefficient de corrélation
de Pearson notée ρ(X , Y )
Introduction

Liaison entre deux variables qualitatives
• Pour analyser la relation entre deux variables qualitatives on a

recourt au test de Khi- deux que nous verrons plus loin.
Introduction

• Pour analyser la relation entre deux variables qualitatives on a

recourt au test de Khi- deux que nous verrons plus loin.
• Nous pouvons aussi faire un tableau de contingence (tableau croisé)
Table: Exemple sur la mendicité des almoudos dans les quartiers de

Nouakchott
Elmina Ryad Sebkha Total
Almoudo non mendiant 15 9 2 26
Almoudo mendiant 40 59 35 134
Total 55 68 37 160
Introduction

Figure: Repartition des almoudos mendiants et non mendiants par quartier
A gauche Diagramme en barres juxtaposés et A droite diagramme en

secteurs par quartiers.
Introduction
C’est quoi l’AMD
• L’Analyse Multidimensionnelle des Données (AMD) est un type

d’analyse statistique qui permet d’évaluer les grands tableaux de
données sous différents points de vue en croisant plusieurs
dimensions entre elles ou encore en effectuant des projections sur
des espaces de dimension réduite. Cela permet de repérer des
tendances, les associations, les liaisons ou des anomalies dans les
données. C’est un processus d’analyse des données qui regroupe les
données en deux catégories : les dimensions et les mesures.
Introduction

• Un grand tableau de données est une base de données à plusieurs
variables (généralement 3 au moins) et à plusieurs individus.
Introduction

• Un grand tableau de données est une base de données à plusieurs
variables (généralement 3 au moins) et à plusieurs individus.
• L’AMD regroupe un ensemble de méthodes qui différent par la
problématique qu’elles essaient de résoudre et le type de variables
qui sont mises à contribution.
Introduction
Nécessité de l’analyse multidimensionnelle (AMD)
• L’analyse univariée ou bivariée est certes une étape importante de

l’analyse des données, mais insuffisante lorsqu’il s’agit de grands tableaux
de données contenant un nombre important de variables.
Introduction

• Par exemple pour un tableau avec p=5 variables, on doit faire 10 analyses
bivariées pour faire ressortir l’ensemble des liens qui existent entre les
variables.
Introduction

variables.
• En outre faire plusieurs analyses bivariées sur un tableau de données est
une approche inappropriée car elle laisse de côté les liaisons
multidimensionnelles qui peuvent exister entre les variables.
Introduction

variables.
• Ces liaisons ne sont en effet visibles que grâce à la confrontation de
nombreuses informations issues des variables du tableau croisées entre
elles.
Introduction

variables.
• Ces liaisons ne sont en effet visibles que grâce à la confrontation de
nombreuses informations issues des variables du tableau croisées entre
elles.
• Aussi, pouvoir analyser rapidement, et simultanément, les relations entre
plusieurs variables, est infiniment plus riche que l’analyse séparée des
variables prises deux à deux.
Introduction
Les méthodes d’analyse multidimensionnelles

• Tout domaine scientifique qui doit gérer de grandes quantités de

données de type varié a recourt aux méthodes d’analyse de données
multidimensionnelles.
Introduction


• Le champ d’application des méthodes d’ADD est donc très vaste.
On les retrouve:
Introduction


On les retrouve:
• En marketing elles permettent de proposer de nouvelles offres
ciblées à la clientèle ;
Introduction


On les retrouve:
• En économie, à partir de ces méthodes appliquées sur les bilans
d’entreprises, on peut décrire la structure et la taille des entreprises
et opérer une classification des entreprises;
Introduction


On les retrouve:
• En finance, elles sont utilisées pour développer des méthodes de
détection de fraudes dans les banques;
Introduction


On les retrouve:
• En finance, elles sont utilisées pour développer des méthodes de
détection de fraudes dans les banques;
• Elles sont également utilisées pour le traitement du signal et des
images.
Introduction

• Les méthodes d’ADD ou de statistique exploratoire

multidimensionnelles ont pour but de synthétiser, de résumer et de
structurer l’information contenue dans les données.
Introduction


• Elles utilisent pour cela une représentation des données sous forme
de graphiques ou d’indicateurs numériques.
Introduction


• Ces représentations graphiques constituent le meilleur résumé
possible de l’information contenu dans de gros tableaux de données.
Introduction


• Ces représentations graphiques constituent le meilleur résumé
possible de l’information contenu dans de gros tableaux de données.
• Les méthodes d’ADD extraient les tendances les plus marquantes qui
structurent les données, les hiérarchisent et éliminent les effets
marginaux (bruits) qui perturbent la perception globale des faits.
Introduction

• Il existe plusieurs méthodes d’analyse de données

multidimensionnelles :
Introduction


• L’Analyse en Composantes Principales (ACP) qui s’applique à
l’analyse des tableaux dans lesquels des variables quantitatives
continues sont mesurées sur des individus (ou observations). On
parle de tableau Individus x variables quantitatives continues ;
Introduction


• L’Analyse Factorielle des Correspondances (AFC) ou analyse des
correspondances binaires, appropriée pour l’étude des tableaux de
contingence obtenus par croisement de variables qualitatives ;
Introduction


• L’Analyse Factorielle des Correspondances (AFC) ou analyse des
correspondances binaires, appropriée pour l’étude des tableaux de
contingence obtenus par croisement de variables qualitatives ;
• L’Analyse des Correspondance Multiple (ACM) qui est une extension
de l’analyse factorielle des correspondances qui ne permet que le
croisement de deux variables qualitatives. Elle est adaptée à la
description de grands tableaux de variables qualitatives, par exemple
pour le traitement d’enquêtes ;
Introduction

• L’Analyse Factorielle Discriminante (AFD) qui est une méthode à la

fois descriptive et prédictive. Elle décrit les individus en classes et
ensuite propose la classe d’affectation de tout nouvel individu en
s’appuyant sur ses caractéristiques propres. On la qualifie de
méthode d’apprentissage supervisée parce qu’elle nécessite une base
de données d’apprentissage (celle à partir de laquelle les classes ont
été constituées) avant de pouvoir réaliser des prédictions.
Introduction

• L’Analyse Factorielle Discriminante (AFD) qui est une méthode à la

fois descriptive et prédictive. Elle décrit les individus en classes et
ensuite propose la classe d’affectation de tout nouvel individu en
s’appuyant sur ses caractéristiques propres. On la qualifie de
méthode d’apprentissage supervisée parce qu’elle nécessite une base
de données d’apprentissage (celle à partir de laquelle les classes ont
été constituées) avant de pouvoir réaliser des prédictions.
• Les méthodes de classification automatique (la méthode des
K-means, DBScan, la classification hiérarchique ascendante ou
descendante) qui permettent de construire des classes d’individus
homogènes à partir d’un ensemble d’individus ;
Introduction

Les logiciels
• Parmi les logiciels utilisés pour mettre en œuvre les méthodes

d’analyse de données multidimensionnelles, nous nous intéresserons
dans le cadre de ce cours aux logiciels SPSS, Stata, Python et R.
End
Introduction

Les logiciels
• Parmi les logiciels utilisés pour mettre en œuvre les méthodes

d’analyse de données multidimensionnelles, nous nous intéresserons
dans le cadre de ce cours aux logiciels SPSS, Stata, Python et R.
• C’est avec ces logiciels que les travaux pratiques seront réalisés.
End

ADD Slides CHAP I

Transféré par

Informations du document

Titre original

Copyright

Formats disponibles

Partager ce document

Partager ou intégrer le document

Options de partage

Avez-vous trouvé ce document utile ?

Ce contenu est-il inapproprié ?

Droits d'auteur :

Formats disponibles

ADD Slides CHAP I

Transféré par

Droits d'auteur :

Formats disponibles

Introduction

Rappels Généraux Institut Sous-régional de Statistiques et d’Economie Appliquée

Analyse Des Données

Brice DONGMEZO, PhD

Institut Sous-régional de Statistiques et d’Economie Appliquée (ISSEA) - Yaoundé

7th February 2024

Les Méthodes d’AMD

Organisation pratique du cours

• 30 heures de cours reparties en 08 semaines (plus ou moins suivant

• Les statistiques descriptives permettent une première exploration

• Les statistiques descriptives permettent une première exploration

• Les statistiques descriptives permettent une première exploration

• Les statistiques descriptives permettent une première exploration

• Les statistiques descriptives permettent une première exploration

Opérations sur les matrices

• Notation matricielle : une matrice A de n lignes et p colonne se

Opérations sur les matrices

• Notation matricielle : une matrice A de n lignes et p colonne se

Opérations sur les matrices

• Notation matricielle : une matrice A de n lignes et p colonne se

• Soustraction matricielle : A − B = aij − bij = (aij − bij )ij ;

Opérations sur les matrices

• Notation matricielle : une matrice A de n lignes et p colonne se

• Soustraction matricielle : A − B = aij − bij = (aij − bij )ij ;

• Produit : A × B = (cij = nk=1 aik bkj );

Opérations sur les matrices

• Notation matricielle : une matrice A de n lignes et p colonne se

• Soustraction matricielle : A − B = aij − bij = (aij − bij )ij ;

• Produit : A × B = (cij = nk=1 aik bkj );

• Produit par un scalaire : µB = (µbij ); Associé à la somme confère

Opérations sur les matrices

• Notation matricielle : une matrice A de n lignes et p colonne se

• Soustraction matricielle : A − B = aij − bij = (aij − bij )ij ;

• Produit : A × B = (cij = nk=1 aik bkj );

• Produit par un scalaire : µB = (µbij ); Associé à la somme confère

Concepts fondamentaux de la statistique

Concepts fondamentaux de la statistique

Une variable est une caractéristique commune aux individus d’une

Concepts fondamentaux de la statistique

En général, les bases de données qui sont une collection de variables

Concepts fondamentaux de la statistique

En général, les bases de données qui sont une collection de variables

Concepts fondamentaux de la statistique

En général, les bases de données qui sont une collection de variables

Concepts fondamentaux de la statistique

En général, les bases de données qui sont une collection de variables

Concepts fondamentaux de la statistique

En général, les bases de données qui sont une collection de variables

Concepts fondamentaux de la statistique

En général, les bases de données qui sont une collection de variables

Concepts fondamentaux de la statistique

En général, les bases de données qui sont une collection de variables

Concepts fondamentaux de la statistique

En général, les bases de données qui sont une collection de variables

Analyse statistique univariée

Analyse statistique univariée

• Pour analyser une variable qualitative, on dresse un tableau qui

Table: Exemple sur la mendicité des almoudos (enfant de la rue en

Mendicité Effectif Fréquence (%)

Analyse statistique univariée

• Pour analyser une variable qualitative, on dresse un tableau qui

Table: Exemple sur la mendicité des almoudos (enfant de la rue en

Mendicité Effectif Fréquence (%)