Consommation de protéines

en Europe en 1973
Présenté par : Sous la direction du Professeur titulaire
Abass NDIAYE EL Hadji DEME
Mariama NDIAYE
Nawiyatou DJARIKAKA
Bassirou NIASSE
Affiwa A.M.J SODJI
PLAN

 INTRODUCTION
 ANALYSE ET INTERPRETATION DES DONNEES
 PARTICULARITE DES PAYS DU BLOC EST
INTRODUCTION

Durant la guerre froide, le monde fut divisé en deux blocs

(EST-OUEST). Pendant cette période, de nombreuses
données ont été recueillies notamment celle qui fait
l'objet de notre étude : consommation de protéines dans
différents pays d'Europe en 1973. Ces données recueillies
contiennent 25 individus et 10 variables dont 1 variable
qualitative.
Etude des données

Analyse et interprétations

Dans cette partie, on va essayer d'apporter une vision statistique

(moyenne, variance et corrélation), matricielle (valeurs propres)
et géométrique (distances, axes...) des données. De ce fait on
élimine EST qui est une variable qualitative.
 Vision statistique : Corrélations

VROU VBLA ŒUF LAIT POISS CERE AMID NOIX FRLEG

VROU 1 0.15 0.59 0.50 0.06 -0.50 0.14 -0.35 -0.07
VBLA 0.15 1 0.62 0.28 -0.23 -0.41 0.31 -0.63 -0.06
OEUF 0.59 0.62 1 0.58 0.07 -0.71 0.45 -0.56 -0.05
LAIT 0.50 0.28 0.58 1 0.14 -0.59 0.22 -0.62 -0.41
POISS 0.06 -0.23 0.07 0.14 1 -0.52 0.40 -0.15 0.27
CERE -0.50 -0.41 -0.71 -0.59 -0.52 1 -0.53 0.65 0.05
AMID 0.14 0.31 0.45 0.22 0.40 -0.53 1 -0.47 0.08
NOIX -0.35 -0.63 -0.56 -0.62 -0.15 0.65 -0.47 1 0.37

FRLEG -0.07 -0.06 -0.05 -0.41 0.27 0.05 0.08 0.37 1

Vision statistique : Corrélations

 Les variables les plus corrélées

positivement sont NOIX et CERE (0,65)
 Les variables les plus corrélées
négativement sont CERE et OEUF (-0,71)
 Les moins corrélées sont FRLEG et OEUF
(-0,05) ou FRLEG et CERE (0, 05).
Vision géométrique 

1. Observation d’individus extrêmes

En observant les graphes ci dessous, on peut noter qu’un

individu est très particulier et contribue énormément à la
construction du plan. Sa contribution à la construction du
plan est environ 15%.
Figure 1.1 - Graphe des individus (ACP) avant correction. Mise en évidence d’un individu singulier.
Figure 1.3 - Graphe des variables (ACP) après correction
Vision géométrique 

1. Observation d’individus extrêmes

L’individu Portugal(pt) :
• Prend de très fortes valeurs pour les variables : POISS
et FRLEG.
• Prend de très faibles valeurs pour les autres variables.
 Vision géométrique

2. Distribution de l’inertie

Les 2 premiers axes de l’analyse expriment 62.69% de

l’inertie totale du jeu de données ; cela signifie que 62% de
la variabilité totale du nuage des individus (ou des
variables) est représentée dans ce plan.
Figure 2 - Décomposition de l’inertie totale
 Vision géométrique

2. Distribution de l’inertie

On sait d'après la règle de Kaiser qu'on peut conserver les

axes associés aux valeurs propres supérieures à 1. On a ici a
priori trois axes acceptables.
Valeurs propres :
4.01 1.63 1.13 0.95 0.46 0.33 0.27 0.12 0.10
Vision géométrique
3. l’analyse de la dimension 1 en fonction de la consommation
Figure 3.1 - Graphe consommation protéine (ACP)
 3. l’analyse de la dimension 1 en fonction de la
consommation
Nous constatons que les protéines tel que L’œuf, lait, noix et céréale contribuent
fortement à la construction de l’axe1 alors que l’amidon, viande rouge et viande blanc
contribuent de manière moyenne.

  Corrélations p. value
OEUF 8.540E-01 5.631E-08
LAIT 7.561E-01 1.235E-05
VBLA 6.216E-01 9.102E-04
VROU 6.057E-01 1.333E-03
AMID 5.950E-01 1.706E-03
NOIX -8.413E-01 1.376E-07
CERE -8.762E-01 9.505E-09
Vision géométrique
4. l’analyse de la dimension 2 en fonction de la consommation

Les poissons et les fruits et légumes contribuent fortement à la

construction de l’axe2 alors que l’amidon participe de manière
non significative.

Corrélations p. value
POISS 8.271E-01 3.442E-07
FRLEG 6.856E-01 1.552E-04
AMID 4.511E-01 2.360E-02
 Vision géométrique
5. l’analyse de la dimension 3 en fonction de la consommation

Seul la variable viande blanche participe de manière

significative à la construction de la dimension 3, tandis que
le Lait et les fruits et légumes contribuent très faiblement
au 3eme axe.
Corrélations p. value
VBLA 6.626E-01 3.075E-04
FRLEG 4.328E-01 3.068E-02
LAIT -4.096E-01 4.203E-02
6- L’analyse des pays

Après avoir éliminé le Portugal, on peut explorer le reste

des pays par une seconde analyse
6- L’analyse des pays
6- L’analyse des pays

Dimension 1 oppose des individus tels que l’Allemagne,

Danemark, l’Irlande et l’Autrice (à droite du graphe,
caractérisés par une coordonnée fortement positive sur
l’axe) à des individus comme Yougoslavie, Roumanie,
Bulgarie et Albanie (à gauche du graphe, caractérisés par
une coordonnée fortement négative sur l’axe).
6- L’analyse des pays
6- L’analyse des pays
Le groupe auquel les individus Allemagne et Autrice appartiennent
partage :
•De fortes valeurs pour les variables Viande Blanche, ŒUF et Amidon.
Le groupe auquel les individus Danemark, Irlande appartiennent
partage :
•Des variables dont les valeurs ne diffè rent pas significativement de la
moyenne.
Le groupe auquel les individus Yougoslavie, Roumanie, Bulgarie
appartiennent à une :
•Forte consommation de protéines d’origine vé gé tale (CEREALES et
NOIX) et une faible consommation de protéines d’origine animale
(Œufs et lait…).
6- L’analyse des pays
Figure 4 - Classification Ascendante Hiérarchique des individus.
6- L’analyse des pays

La classification réalisé e sur les individus fait apparaître 5 classes.

La classe 1 est composée d’individus tels que Yougoslavie,
Roumanie, Bulgarie, Albanie. Ce groupe est caractérisé par :
 De fortes valeurs pour les variables Céréale et NOIX. Autrement
dit, ces pays consomment plus ces variables que les autres
variables.
 De faibles valeurs pour les
variables OEUF, AMIDON, LAIT, POISSON et VIANDE BLANCHE.
6- L’analyse des pays

 La classe 2 est composé e d’individus tels que la Grè ce, l’Italie et

l’Espagne. Ce groupe est caracté risé par :
 De fortes valeurs pour les variables FRLEG et NOIX.

 De faibles valeurs pour la variable VIANDE BLANCHE.

 La classe 3 : est composée d’individus tels
que Tché coslovaquie, Hongrie et la Pologne. Ce groupe est
caractérisé par :
 Sa forte consommation en AMIDON.
6- L’analyse des pays
 La classe 4 : est composée d’individus tels que l’Allemagne, l’Autrice et
l’Irlande. Ce groupe est caractérisé par :
 Une forte consommation des variables AMIDON, OEUF et VIANDE-
BLANCHE.

 Une faible consommation pour la variable CEREALES.

 La classe 5 : est composée d’individus tels

que Danemark, Finlande, Norvège et Suède. Ce groupe est caractérisé
par :
 Une forte consommation des variables POISSON et LAIT.

 Une faible consommation pour les variables FRUITS-

LEGUMES et NOIX.
Le bloc de l’EST

Comme il a été dit en introduction, ces variables ont été mesurées en

pleine guerre froide. Il parait donc intéressant de regarder ce que l'on
peut dire du bloc des pays de l'est (variable EST).
Figure 5 – Carte descriptive de l’Europe à l’époque de la guerre froide.

Pour cela on utilise les valeurs EST données plus haut. On remarque que les Pays du bloc
de l'Est sont liés positivement avec l'axe 1 seulement. On peut en déduire que ces pays
avaient un développement important de la culture que l'élevage en ce qui concerne les
sources de protéines.
MERCI POUR VOTRE

AIMABLE ATTENTION!