Université Pierre et Marie Curie

Analyse de données - Ordinations et groupements

Chapitre 1. Introduction
Chapitre 2. L'Analyse en Composantes Principales (ACP)
2.1. Présentation
2.2. Formulaire
2.3. Exemple
2.4. Exemple programme Matlab
Chapitre 3. L'Analyse des Correspondances (AFC)
Chapitre 4. L'Analyse des Correspondances Multiples(AFCM)
Chapitre 5. Méthodes de classifications
Chapitre 6. Autres types de groupements.
Chapitre 7. Références
Page d'accueilTable des matièresNiveau supérieurPage précédenteBas de la pagePage suivante

2.2. Formulaire


Formulaire de l'Analyse en Composantes Principales
(J.Ph. Labat)


 Matrice des données : m objets (ou individus), p descripteurs (ou variables) :

 

 Centrage et réduction des données :

 Distances entre objets:

ou pj est une pondération qui est en général égale à 1.

Inertie totale I du nuage est égale à

Réalisation de l'analyse en composantes principales :

Le but : trouver des axes orthogonaux (indépendants) qui ont la propriété d'extraire le maximum de la variance projetée (ou inertie projetée) des individus ou objets. 

  • calcul de la matrice des données centrées-réduites.
  • calcul de la matrice des corrélations variables/variables.
  • calcul de la matrice des vecteurs propres et du vecteur des valeurs propres. (rappel de calcul matriciel)


Avec

  • Les vecteurs propres sont les coordonnées du point de norme 1 des nouveaux axes sur les anciennes variables. Les valeurs sont proportionnelles à la variance associée à ces axes.
  • Calcul des cordonnées des individus sur les nouveaux axes.
  • Calcul des corrélations des variables avec les nouveaux axes.

Relations de transitions

ou F est la projection de l'individu i sur l'axe factoriel q, G les projections des p variables sur q, et l la valeur propre associée à la composante q.

et par réciprocité:

 Nuage des variables:


J. Ph. Labat, Mise à jour : 18/11/04

 

Page d'accueilTable des matièresNiveau supérieurPage précédenteHaut de la pagePage suivante