Analyse des données - Logiciel R

Dimension: px
Commencer à balayer dès la page:

Download "Analyse des données - Logiciel R"

Transcription

1 Université de Strasbourg Analyse des données Master de Sciences, Spécialité Statistique 2012/13 Master Actuariat Emmanuel Périnel Analyse des données - Logiciel R TP n 2. L Analyse en Composantes Principales (ACP) Corrigé AVANT DE COMMENCER : chargement du package FactoMineR Lancer R Installer le package RcmdrPlugin.FactoMineR (Package Installer des packages Choisir un miroir Choisir le package RcmdrPlugin.FactoMineR Lancer Rcmdr : par le menu Package Charger le package ou taper library(rcmdr) Dans le menu Rcmdr : Outil Charger des plug-ins Rcmdr RcmdrPlugin.FactoMineR 1. Une ACP à la main sur un jeu de données à deux variables. L objectif de cet exercice est de retrouver les résultats d une analyse en composantes principales normée (c est-à-dire lorsque les données sont centrées et réduites) en utilisant le formalisme matriciel du logiciel R. 1. Sous Rcmdr, créer le jeu de données suivant (appelé par exemple data) comportant cinq individus et deux variables quantitatives (de type numeric dans le langage R) : Données Nouveau jeu de données. X 1 X Remarque importante. Le logiciel Rcmdr est sensible aux fenêtres mal fermées! Après avoir visualisé ou édité des données, il est vivement conseillé de refermer la fenêtre affichant ces données avant de réaliser d autres analyses (sous peine de planter le logiciel R...) 2. Centrer-réduire les variables à l aide de l outil de gestion des variables : Données Gérer les variables dans le jeu de données actif Standardiser les variables. 3. Visualiser le nuage des cinq individus dans l espace des deux variables centrées réduites. Graphes Nuage de points Choisir Z.X1 et Z.X2. 4. Construire le jeu de données constitué des seules données centrées réduites : > datacr = data[,3:4] 5. Dans Rcmdr, la réduction des données est réalisée en utilisant la formule de l écart type suivant : s = 1 n 1 ni=1 (x i x) 2. Mais pour retrouver les résultats usuels de l ACP, il convient de réduire les données sur la base de l écart type habituel s = 1 n ni=1 (x i x) 2.

2 Quelle transformation doit-on appliquer aux données afin d obtenir des données standardisées selon l écart-type s? Effectuer cette transformation. On multiplie toutes les données par le rapport n n 1 > datacr = sqrt(5/4) * datacr (avec n = 5) : 6. Pour effectuer l ACP à l aide du langage matriciel, il est nécessaire de transformer le jeu de données data (qui correspond au type dataframe dans le langage de R) en une matrice X, grâce la commande : > X = as.matrix(datacr) 7. Calculer la matrice (X X) (où %*% désigne le produit matriciel dans R) : > t(x) %*% X 8. Lorsque les individus sont affectées de masses (ou poids) m i = 1 n, la matrice à diagonaliser est égale à 1 n (X X). Calculer cette nouvelle matrice, que l on notera V. Vérifier que la matrice V coïncide bien avec la matrice des corrélations du jeu de données data. > V = 1/5 * t(x) %*% X > V Z.X1 Z.X2 Z.X Z.X Puis : Statistique Résumé Matrice des corrélations (choisir X1 et X2) On obtient bien : > cor(data[,c("z.x1","z.x2")], use="complete.obs") Z.X1 Z.X2 Z.X Z.X Déterminer les axes factoriels de l ACP en calculant les vecteurs propres de la matrice V : > vecp = eigen(v)$vectors > vecp [,2] [1,] [2,] Vérifier que la norme de chaque vecteur propre est bien égale à un et que les deux vecteurs propres sont bien orthogonaux. > v1 = vecp > sqrt(v1%*%v1) [1,] 1 > v2 = vecp[,2] > sqrt(v2%*%v2) [1,] 1

3 > v1%*%v2 [1,] e Calculer l inertie de chacun des axes factoriels en déterminant les valeurs propres de V : > valp = eigen(v)$values > valp [1] Calculer la somme des inerties des deux axes. Que constate-t-on? > sum(valp) [1] 2 On retrouve le résultat suivant : en ACP normée, l inertie totale (la somme des valeurs propres) est égale au nombre de variables actives. 13. Représenter le nuage de points des données centrées réduites, puis utiliser la commande abline(a,b) (qui trace une droite d ordonnée à l origine a et de pente b) afin d ajouter au graphique les deux premiers axes factoriels. Graphes Nuage de points Choisir Z.X1 et Z.X2. Les coordonnées des deux premiers vecteurs propres étant de la forme (a, a) et ( a, a), les deux premières directions factorielles sont déterminées respectivement par la première et la deuxième bissectrice du plan : > abline(0,1) > abline(0,-1) 14. Calculer (à l aide d un produit scalaire) la coordonnée de l individu 1 le long du premier axe ; puis le long du deuxième axe. Faire de même pour l individu 3. > X[1,]%*%v1 [1,] > X[1,]%*%v2 [1,] > X[3,]%*%v1 [1,] 0 > X[3,]%*%v2 [1,] Refaire l ACP du jeu de données initial (data) à l aide du menu déroulant de Rcmdr : Statistique Analyse multivariée Analyse en composantes principales (Choisir : analyser la matrice des corrélations et ajouter les composantes principales au jeu de données) Identifier, parmi les résultats proposés, ceux obtenus dans les questions précédentes : vecteurs et valeurs propres, composantes principales (à savoir les vecteurs renfermant les coordonnées des individus le long des axes factoriels).

4 > unclass(loadings(.pc)) # component loadings X X >.PC$sd^2 # component variances > summary(.pc) # proportions of variance Importance of components: Standard deviation Proportion of Variance Cumulative Proportion On retrouve au signe près (mais l orientation des axes est arbitraire) les mêmes vecteurs propres ainsi que les mêmes valeurs propres. En visualisant le jeu de données, il est possible de vérifier également que les composantes principales renferment bien les coordonnées des individus obtenues dans la question 14 (là encore, au signe près compte tenu de l orientation différente des axes). Complément à propos de l ACP à deux variables. Lorsqu une ACP normée est réalisée sur un tableau de données ne comportant que deux variables quantitatives x 1 et x 2, des propriétés intéressantes sont observées pour les valeurs propres et vecteurs propres obtenus : Les composantes des vecteurs propres sont toutes égales à ± 1 2 Les valeurs propres sont égales à 1 ± r(x 1, x 2 ), où r(x 1, x 2 ) est le coefficient de corrélation linéaire entre les variables x 1 et x Vérifier que les résultats obtenus satisfont ces deux propriétés. On a déjà vu que les coordonnées des vecteurs propres étaient données par : > unclass(loadings(.pc)) # component loadings X X De plus, comme r(x 1, x 2 ) = on retrouve bien : λ 1 = 1 + r(x 1, x 2 ) = et λ 2 = 1 r(x 1, x 2 ) = Que se passe-t-il lorsque les deux variables étudiées sont de corrélation nulle? totalement corrélées? Lorsque les deux variables sont non corrélées (r(x 1, x 2 ) = 0), l analyse produit deux axes de valeurs égales à 1. Si au contraire les variables sont totalement corrélées (r(x 1, x 2 ) = 1), alors un seul axe (d inertie égale à 2) suffit à résumer parfaitement le jeu de données λ 2 = 1 r(x 1, x 2 ) = > unclass(loadings(.pc)) # component loadings X X

5 2. ACP des données Taille. 1. Importer le jeu de données taille.txt. Ce jeu de données décrit la taille (en mètres) de 87 élèves (garçons) de l école supérieure d agronomie de Rennes ainsi que la taille du père et celle de la mère de l étudiant. 2. Produire les statistiques descriptives (moyenne, écart-type, coefficients de variation, quartiles) pour les 3 variables du fichier. mean sd cv % n TailleEleve TailleMere TaillePere À l aide d une matrice de nuages de points, visualiser les relations 2 à 2 entre les 3 variables. Faire apparaître les histogrammes sur la diagonale puis les graphes quantilesquantiles. Commenter TailleEleve TailleMere TaillePere Z.TailleEleve Z.TaillePere Visuellement, l intensité de la liaison entre la taille de l élève et la taille du père est la plus importante. Les deux autres liaisons sont sans doute positives, mais peu intenses. Les graphes de la diagonales (histogrammes et QQ-plot montrent un écart à la normalité plus important pour la variable élève (même si l on sait que l hypothèse d une taille distribuée normalement est en général acceptable.) 4. Calculer les valeurs des coefficients de corrélation associés à chacune des liaisons précédentes. Ces coefficients sont-ils significativement différents de zéro? TailleEleve TailleMere TaillePere TailleEleve TailleMere

6 TaillePere P TailleEleve TailleMere TaillePere TailleEleve TailleMere TaillePere Le premier tableau confirme les résultats de l analyse graphique. Au seuil de risque de 5%, le second tableau montre une seule liaison non significative : celle entre la taille du père et la taille de la mère. 5. Centrer-réduire (= standardiser) les variables TailleEleve et TaillePere. 6. Un petit détour du côté de la régression... Construire un nuage de points avec les consignes suivantes : en ordonnée : la taille de l élève centrée réduite en abscisse : la taille du père centrée réduite Faire figurer la droite de régression (ligne des moindres carrés) et choisir décalage aléatoire en x et en y. Ajouter dans un second temps la droite d équation y = x. Retrouver au travers de ce graphique, les résultats célèbres de la régression dus au statisticien F. Galton. Z.TailleEleve Z.TaillePere On remarque que la droite de régression permettant de prédire la taille d un fils à partir de celle de son père possède une pente inférieure à 1 (la bissectrice). Par conséquent, un père dont la taille s écarte de la moyenne de deux écarts types par valeur supérieure (respectivement inférieure) doit s attendre à avoir un fils dont la taille sera également supérieure (respectivement inférieure) à la moyenne (des fils), mais de moins de deux écarts types. Schématiquement : un père de grande (respectivement petite) taille s attend à un fils de grande (respectivement petite) taille, mais moins (respectivement plus) grand qu attendu.

7 7. Partant du même graphique qu à la question précédente, choisir l option Identifier les points à la souris et cliquer sur les individus les plus en périphérie du nuage ainsi que les plus proches du centre de gravité. (Attention! Ne pas oublier de faire un clic droit arrêter, afin de sortir du mode identification des points ; sinon : risque important de planter R!). 80 Z.TailleEleve Z.TaillePere 8. Tracer (commande abline) les axes factoriels 1 et 2 de ce nuage de points. On a déjà vu que pour une ACP à deux variables, les axes factoriels peuvent être tracés sur le nuage de points des données centrées-réduites à l aide des deux bissectrices (commandes abline(0,1) et abline(0,-1)) 9. En déduire les observations qui ont les contributions les plus élevées aux axes 1 et 2. Rappel : en ACP, un élément contribue d autant plus à un axe qu il possède une coordonnée élevée (en valeur absolue) le long de cet axe, et que son poids est important. D après le graphique précédent, les individus 2, 80, 86 et 87 (de coordonnées importante le long de la première bissectrice) auront de fortes contributions à l axe 1. Selon un raisonnement similaire, les individus 12, 42, 76 et 83 posséderont une contribution élevée à l axe À l aide de FactoMiner, effectuer une ACP avec le paramétrage suivant : Variables actives : TailleEleve et TaillePere. Scale the variables (= centrer réduire les variables = ACP normée.) Onglet Outputs : cocher valeurs propres et résultats pour les individus. On vérifie à ce niveau les contributions exactes des individus cités plus haut. On peut obtenir les contributions triées à l aide des commandes suivantes : > sort(res$ind$contrib, decreasing=t) > sort(res$ind$contrib[,2], decreasing=t)

8 Construire le nuage de points en 3 dimensions pour les 3 variables centrées - réduites. Quelle sera selon vous la variable la plus liée au premier axe factoriel de ce nuage de points? 12. Effectuer l ACP normée des 3 variables du fichier. Que peut-on dire des individus 74,75 et 51,52? Valider votre conclusion en consultant les valeurs de ces individus dans le tableau de données. Individuals factor map (PCA) Variables factor map (PCA) Dim 2 (29.25%) Dim 2 (29.25%) TailleMere TailleEle TailleP Dim 1 (56.4%) Dim 1 (56.4%) Les trois variables sont corrélées positivement avec l axe 1. Les quatre individus étant situés du côté positif de l axe 1, ceux-ci ont tendance à être plus grand que la moyenne, de même que leurs deux parents. Toutefois, les individus 51 et 52 étant positionnés du côté positif de l axe 2, on peut affirmer que leur mère est plutôt de grande taille, contrairement aux individus 74 et 75 dont la mère est sans doute plus petite que la moyenne. Ce constat est facilement vérifiable en consultant le jeu des données centrées réduites. 13. Découper la variable TailleMère en 4 classes de même effectif avec les étendues comme nom de niveaux ; donner un nom à la nouvelle variable construite (de nature qualitative ou de type facteur selon la terminologie du logiciel R). Le découpage en une variable à quatre modalités fournissant des effectifs très différents (malgré l option même effectif ) on a opté pour un découpage en cinq classes, d effectifs plus équilibrés : Mère4classes Mère5classes [1.49,1.6] :26 [1.49,1.58]:19 (1.6,1.65] :34 (1.58,1.63]:21 (1.65,1.67]: 5 (1.63,1.65]:20 (1.67,1.75]:22 (1.65,1.68]:12 (1.68,1.75]:15

9 14. Réaliser à nouveau l ACP en étudiant cette dernière variable comme facteur supplémentaire. Dans les options graphiques, colorier les individus selon la variable taille de la mère en 4 classes. On obtient la représentation factorielle ci-dessous : Individuals factor map (PCA) Variables factor map (PCA) Dim 2 (29.25%) [1.49,1.58] (1.58,1.63] (1.63,1.65] (1.65,1.68] (1.68,1.75] (1.68,1.75] (1.63,1.65] (1.65,1.68] (1.58,1.63] [1.49,1.58] Dim 2 (29.25%) TailleMere TailleEle TailleP Dim 1 (56.4%) Dim 1 (56.4%) On visualise sur le plan des individus cinq nuages de points bien séparés correspondant à des élèves dont la mère est de plus en plus grande au fur et à mesure que l on s éloigne dans la direction indiquée par la variable TailleMère. 3. Utilisation du package dyngraph Le package dyngraph permet de modifier de façon interactive un plan factoriel issu d une analyse factorielle (ACP, AFC, etc.) Il peut être également employé pour visualiser et analyser la liaison entre n importe quel couple de variables quantitatives du jeu de données. 1. Charger le package dyngraph. 2. Exécuter la commande : dyngraph(res) (res étant l objet dans lequel sont stockés les résultats de l ACP.) 3. Visualiser le premier plan (axes 1 et 2) des individus et des variables, puis le plan des individus et des variables engendrés par les axes 1 et Sur le premier plan, habiller les individus en fonction de leur qualité de représentation ; de leur contribution (essayer les options Nuage ou Bulle). Habiller les individus en fonction de la variable quantitative taille de la mère. 5. À l aide du curseur sur la gauche du plan, ne conserver sur le plan que les individus dont la qualité de représentation est supérieure à Rechercher un individu moyen (dont les valeurs sont proches de la moyenne pour les 3 variables).

TP1 Master Finance logiciels Introduction à R

TP1 Master Finance logiciels Introduction à R TP1 Master Finance logiciels Introduction à R Emeline Schmisser, emeline.schmisser@math.univ-lille1.fr, bureau 314 (bâtiment M3). 1 Séquences, Vecteurs, Matrice Tableaux (arrays) Pour obtenir l aide de

Plus en détail

Le Sphinx Millenium Modes opératoires d'analyse de données Traitements et analyses avec Le Sphinx Plus²

Le Sphinx Millenium Modes opératoires d'analyse de données Traitements et analyses avec Le Sphinx Plus² Le Sphinx Millenium Modes opératoires d'analyse de données Traitements et analyses avec Le Sphinx Plus² Le Sphinx Développement Parc Altaïs 74650 CHAVANOD Tél : 33 / 4.50.69.82.98. Fax : 33 / 4.50.69.82.78.

Plus en détail

Introduction à l analyse des données. Analyse des Données (1) Exemple, ville et (in)sécurité. Exemple, ville et (in)sécurité

Introduction à l analyse des données. Analyse des Données (1) Exemple, ville et (in)sécurité. Exemple, ville et (in)sécurité Introduction à l analyse des données Analyse des Données () Le but de l analyse de données est de synthétiser, structurer l information contenue dans des données multidimensionnelles Deux groupes de méthodes

Plus en détail

Marketing Data Set: Follow-Up to Purchases of a Consumer Panel

Marketing Data Set: Follow-Up to Purchases of a Consumer Panel Marketing Data Set: Follow-Up to Purchases of a Consumer Panel Typologie des consommateurs et Mesure de la loyauté/fidélité Stéphanie Ledauphin-Menard, Sébastien Lê Face aux problèmes de pouvoir d achat

Plus en détail

Analyse de données. [Tapez le sous-titre du document] ANALYSE DE DONNEES 2011 2012. ANALYSE DE DONNEES Page 1 LICENCE 3 SCIENCES ECONOMIQUES

Analyse de données. [Tapez le sous-titre du document] ANALYSE DE DONNEES 2011 2012. ANALYSE DE DONNEES Page 1 LICENCE 3 SCIENCES ECONOMIQUES 2011 2012 ANALYSE DE DONNEES 2011 2012 LICENCE 3 SCIENCES ECONOMIQUES COURS DE M. THIERRY BLAYAC Analyse de données [Tapez le sous-titre du document] ANALYSE DE DONNEES Page 1 H34VEN Cours pour Licence

Plus en détail

Analyse en Composantes Principales

Analyse en Composantes Principales Analyse en Composantes Principales Anne B Dufour Octobre 2013 Anne B Dufour () Analyse en Composantes Principales Octobre 2013 1 / 36 Introduction Introduction Soit X un tableau contenant p variables mesurées

Plus en détail

Logiciel XLSTAT version 7.0. 40 rue Damrémont 75018 PARIS

Logiciel XLSTAT version 7.0. 40 rue Damrémont 75018 PARIS Logiciel XLSTAT version 7.0 Contact : Addinsoft 40 rue Damrémont 75018 PARIS 2005-2006 Plan Présentation générale du logiciel Statistiques descriptives Histogramme Discrétisation Tableau de contingence

Plus en détail

Extraction d informations stratégiques par Analyse en Composantes Principales

Extraction d informations stratégiques par Analyse en Composantes Principales Extraction d informations stratégiques par Analyse en Composantes Principales Bernard DOUSSET IRIT/ SIG, Université Paul Sabatier, 118 route de Narbonne, 31062 Toulouse cedex 04 dousset@irit.fr 1 Introduction

Plus en détail

GEOGEBRA : Les indispensables

GEOGEBRA : Les indispensables Préambule GeoGebra est un logiciel de géométrie dynamique dans le plan qui permet de créer des figures dans lesquelles il sera possible de déplacer des objets afin de vérifier si certaines conjectures

Plus en détail

Analyse des Données. Questions de cours. Exercice n o 1. Examen terminal - Durée 3h

Analyse des Données. Questions de cours. Exercice n o 1. Examen terminal - Durée 3h I.U.T de Caen STID 2ème année Département STID Année Universitaire 2002-2003 Responsable de cours : Alain LUCAS Seule la calculatrice type collège est autorisée. Seul le cours est autorisé. On rappelera

Plus en détail

La structure de la base de données et l utilisation de PAST. Musée Royal de l Afrique Centrale (MRAC Tervuren)

La structure de la base de données et l utilisation de PAST. Musée Royal de l Afrique Centrale (MRAC Tervuren) La structure de la base de données et l utilisation de PAST La structure de la base de données données originales SPÉCIMENS Code des spécimens: Identification des spécimens individuels. Dépend du but de

Plus en détail

Manuel d utilisation TS Identification. Version 5 Màj 02/2013. www.talentsoft.com

Manuel d utilisation TS Identification. Version 5 Màj 02/2013. www.talentsoft.com Manuel d utilisation TS Identification Version 5 Màj 02/2013 www.talentsoft.com SOMMAIRE Introduction Rechercher une information 1 RECHERCHE TEXTUELLE... 4 2 RECHERCHE PAR LISTE... 4 3 RECHERCHES AVANCEES...

Plus en détail

SPHINX Logiciel de dépouillement d enquêtes

SPHINX Logiciel de dépouillement d enquêtes SPHINX Logiciel de dépouillement d enquêtes sphinx50frversion4.doc 1 Les trois stades du SPHINX sont ceux que comporte habituellement toute enquête d opinion: Elaboration du questionnaire (fiche outil

Plus en détail

Analyse en Composantes. Principales

Analyse en Composantes. Principales AgroParisTech Analyse en Composantes Principales C Duby, S Robin Table des matières Introduction 3 2 Tableau de données 4 3 Choix d une distance 6 4 Choix de l origine 7 5 Moments d inertie 9 5 Inertie

Plus en détail

L ANALYSE EN COMPOSANTES PRINCIPALES (A.C.P.) Pierre-Louis GONZALEZ

L ANALYSE EN COMPOSANTES PRINCIPALES (A.C.P.) Pierre-Louis GONZALEZ L ANALYSE EN COMPOSANTES PRINCIPALES (A.C.P.) Pierre-Louis GONZALEZ INTRODUCTION Données : n individus observés sur p variables quantitatives. L A.C.P. permet d eplorer les liaisons entre variables et

Plus en détail

Statistique Descriptive I (M1102)

Statistique Descriptive I (M1102) Livret de TP de Statistique Descriptive I (M1102) Année scolaire 2013/2014 Université de Perpignan Via Domitia, IUT STatistique et Informatique Décisionnelle (STID) Table des matières 1 Introduction à

Plus en détail

INTRODUCTION À L ANALYSE FACTORIELLE DES CORRESPONDANCES

INTRODUCTION À L ANALYSE FACTORIELLE DES CORRESPONDANCES INTRODUCTION À L ANALYSE FACTORIELLE DES CORRESPONDANCES Dominique LAFFLY Maître de Conférences, Université de Pau Laboratoire Société Environnement Territoire UMR 5603 du CNRS et Université de Pau Domaine

Plus en détail

Adaptation visuelle d un ordinateur sous Windows 7

Adaptation visuelle d un ordinateur sous Windows 7 Adaptation visuelle d un ordinateur Document à utilisation interne Mis à jour le 04 mars 2013 Page 1 sur 3 Table des matières Compte utilisateur déficient visuel... 3 Curseur de souris... 5 Personnalisation

Plus en détail

Initiation à l analyse en composantes principales

Initiation à l analyse en composantes principales Fiche TD avec le logiciel : tdr1103 Initiation à l analyse en composantes principales A.B. Dufour & D. Clot Une première approche très intuitive et interactive de l ACP. Table des matières 1 Introduction

Plus en détail

Analyse en composantes principales

Analyse en composantes principales Université de Rennes 2 Statistiques des données M1-GEO Ouvrages recommandés Analyse en composantes principales Ces livres sont à la BU. Pour les acheter, venir au bureau A-240 ou envoyer un mail : nicolas.jegou@uhb.fr

Plus en détail

Stéphane Tufféry DATA MINING & STATISTIQUE DÉCISIONNELLE. 29/01/2007 Stéphane Tufféry - Data Mining - http://data.mining.free.fr

Stéphane Tufféry DATA MINING & STATISTIQUE DÉCISIONNELLE. 29/01/2007 Stéphane Tufféry - Data Mining - http://data.mining.free.fr 1 Stéphane Tufféry DATA MINING & STATISTIQUE DÉCISIONNELLE Plan du cours Qu est-ce que le data mining? À quoi sert le data mining? Les 2 grandes familles de techniques Le déroulement d un projet de data

Plus en détail

Aide - mémoire de statistique appliquée à la biologie

Aide - mémoire de statistique appliquée à la biologie Aide - mémoire de statistique appliquée à la biologie Construire son étude et analyser les résultats à l aide du logiciel R Maxime HERVE 3 ème version 2011 (1 ère version 2010) Avant-propos Lors de mon

Plus en détail

Courte initiation à R

Courte initiation à R Courte initiation à R Data science Master 2 ISIDIS Sébastien Verel verel@lisic.univ-littoral.fr http://www-lisic.univ-littoral.fr/~verel Université du Littoral Côte d Opale Laboratoire LISIC Equipe OSMOSE

Plus en détail

Didacticiel - Études de cas

Didacticiel - Études de cas 1 Objectif Analyse factorielle des données mixtes Comparaison des logiciels Tanagra et R. Habituellement, on utilise l analyse en composantes principales (ACP) lorsque toutes les variables actives sont

Plus en détail

Partie I. Les données quantitatives

Partie I. Les données quantitatives Variables quantitatives : analyse en composantes principales Jean-Marc Lasgouttes https://whorocqinriafr/jean-marclasgouttes/ana-donnees/ Partie I Les données quantitatives Description de données quantitatives

Plus en détail

Cours 2-3 Analyse des données multivariées

Cours 2-3 Analyse des données multivariées Cours 2-3 des données s Ismaël Castillo École des Ponts, 13 Novembre 2012 Plan 1 2 3 4 1. On s intéresse à un jeu de données multi-dimensionel, avec n individus observés et p variables d intérêt ( variables

Plus en détail

Analyse de Données. Analyse en Composantes Principales (ACP)

Analyse de Données. Analyse en Composantes Principales (ACP) Analyse de Données Analyse en Composantes Principales (ACP) Analyse en composantes principales (ACP) ** Sur toute la fiche, on notera M' la transposée de M. Cadre de travail : On a des données statistiques

Plus en détail

TP 2 : Importation et exportation de données Les outils graphiques de

TP 2 : Importation et exportation de données Les outils graphiques de TP 2 : Importation et exportation de données Les outils graphiques de Consulter les données disponibles sur Consulter les données disponibles sur les packages chargées en mémoire : data( Consulter les

Plus en détail

Partie I. Les données quantitatives

Partie I. Les données quantitatives Variables quantitatives : analyse en composantes principales Jean-Marc Lasgouttes https://whorocqinriafr/jean-marclasgouttes/ana-donnees/ Partie I Les données quantitatives Description de données quantitatives

Plus en détail

Savoir Faire Excel Niveau 2. 5 novembre 2007 Naomi Yamaguchi naomi.yamaguchi@univ-paris3.fr

Savoir Faire Excel Niveau 2. 5 novembre 2007 Naomi Yamaguchi naomi.yamaguchi@univ-paris3.fr Savoir Faire Excel Niveau 2 5 novembre 2007 Naomi Yamaguchi naomi.yamaguchi@univ-paris3.fr Ce qu on sait faire Entrer et recopier des données numériques Les fonctions de base (somme, moyenne, nb, si) Faire

Plus en détail

Traitement des données avec Microsoft EXCEL 2010

Traitement des données avec Microsoft EXCEL 2010 Traitement des données avec Microsoft EXCEL 2010 Vincent Jalby Septembre 2012 1 Saisie des données Les données collectées sont saisies dans une feuille Excel. Chaque ligne correspond à une observation

Plus en détail

Initiation à l analyse en composantes principales

Initiation à l analyse en composantes principales Fiche TD avec le logiciel : tdr601 Initiation à l analyse en composantes principales A.B. Dufour & J.R. Lobry Une première approche très intuitive et interactive de l ACP. Centrage et réduction des données.

Plus en détail

Activité 1 : échantillonnage

Activité 1 : échantillonnage Activité échantillonnage, intervalle de fluctuation, prise de décision (à partir d un même thème) Les trois activités qui suivent s inspirent du document «ressources pour la classe de première générale

Plus en détail

STRATEGIE INFORMATIQUE

STRATEGIE INFORMATIQUE MANUEL UTILISATEUR Application de suivi des commerciaux Immeuble La Coupole - Grand Camp - 97142 - LES ABYMES - Tél. : 0590 48 18 98 - Fax : 0590 83 46 71 Immeuble Sera n 6 - Zone de Manhity - 97232 -

Plus en détail

ANALYSE FACTORIELLE DE DONNÉES MIXTES : PRINCIPE ET

ANALYSE FACTORIELLE DE DONNÉES MIXTES : PRINCIPE ET ANALYSE FACTORIELLE DE DONNÉES MIXTES : PRINCIPE ET EXEMPLE D APPLICATION Jérôme Pagès Laboratoire de mathématiques appliquées Agrocampus, 35042 Rennes cedex email : pages@agrorennes.educagri.fr Résumé

Plus en détail

Traitement des données avec EXCEL 2007

Traitement des données avec EXCEL 2007 Traitement des données avec EXCEL 2007 Vincent Jalby Octobre 2010 1 Saisie des données Les données collectées sont saisies dans une feuille Excel. Chaque ligne correspond à une observation (questionnaire),

Plus en détail

T. D. n o 3 Analyse de données quantitatives avec le logiciel R

T. D. n o 3 Analyse de données quantitatives avec le logiciel R T. D. n o 3 Analyse de données quantitatives avec le logiciel R 1 Rappel de quelques fonctions statistiques sous R Fonction summary() cumsum() sum() mean() max() min() range() median() var() sd() Description

Plus en détail

Statistiques pour données de pollution atmosphérique

Statistiques pour données de pollution atmosphérique Statistiques pour données de pollution atmosphérique Frédéric LAVANCIER Université de Nantes, Laboratoire de Mathématiques Jean Leray email : frederic.lavancier@univ-nantes.fr 6 décembre 2014 Frédéric

Plus en détail

Université de Thessalie Département d Aménagement, D Urbanisme et Développement Régional

Université de Thessalie Département d Aménagement, D Urbanisme et Développement Régional Université de Thessalie Département d Aménagement, D Urbanisme et Développement Régional Enseignant : As. Pr. Marie-Noelle Duquenne I. Les Méthodes factorielles La question traitée dans ce document porte

Plus en détail

Présentation du logiciel

Présentation du logiciel Chapitre A Présentation du logiciel R Pré-requis et objectif La lecture du chapitre sur l installation de R dans les Annexes peut se révéler utile. Ce chapitre présente les origines, l objectif et les

Plus en détail

TUTORIEL ETHNOS : La réalisation d'une enquête par questionnaire

TUTORIEL ETHNOS : La réalisation d'une enquête par questionnaire TUTORIEL ETHNOS : La réalisation d'une enquête par questionnaire Pour découvrir le mode opératoire en vidéo : Sur Internet, lancer le site web de Softconcept : http://www.softconcept.com/fr/logiciel_d_enquete/ethnos.htm

Plus en détail

Tableur-grapheur Notions de base pour les statistiques descriptives

Tableur-grapheur Notions de base pour les statistiques descriptives Tableur-grapheur Notions de base pour les statistiques descriptives Définitions Un tableur * est un logiciel qui permet de construire et de visualiser des tableaux, contenant des données et d automatiser

Plus en détail

F7n COUP DE BOURSE, NOMBRE DÉRIVÉ

F7n COUP DE BOURSE, NOMBRE DÉRIVÉ Auteur : S.& S. Etienne F7n COUP DE BOURSE, NOMBRE DÉRIVÉ TI-Nspire CAS Mots-clés : représentation graphique, fonction dérivée, nombre dérivé, pente, tableau de valeurs, maximum, minimum. Fichiers associés

Plus en détail

Dossier d utilisation Excel (Les bases)

Dossier d utilisation Excel (Les bases) Dossier d utilisation Excel (Les bases) Lancer le logiciel Microsoft Excel. Page 1 Ouvrir Un fichier existant Page 1 Créer (ou Ouvrir) un nouveau document Page 2 Sauvegarder un nouveau fichier Page 2 Enregistrer

Plus en détail

Introduction du logiciel libre de statistiques : R et R commander

Introduction du logiciel libre de statistiques : R et R commander Introduction du logiciel libre de statistiques : R et R commander (La version 05/09/2011) Toshiharu OKAYASU Conseiller Principal Projet de Renforcement du Programme de Prévention du VIH /JICA 1 Préambule

Plus en détail

Studio. HERITIER Emmanuelle PERSYN Elodie. SCHMUTZ Amandine SCHWEITZER Guillaume

Studio. HERITIER Emmanuelle PERSYN Elodie. SCHMUTZ Amandine SCHWEITZER Guillaume Studio HERITIER Emmanuelle PERSYN Elodie SCHMUTZ Amandine SCHWEITZER Guillaume Cours R Présentation projet 10/10/2013 Introduction RStudio est une interface créé par JJ Allaire Elle est sortie le 11 Février

Plus en détail

Analyse simultanée de variables quantitatives et qualitatives. à l aide de l analyse factorielle multiple

Analyse simultanée de variables quantitatives et qualitatives. à l aide de l analyse factorielle multiple Analyse simultanée de variables quantitatives et qualitatives à l aide de l analyse factorielle multiple Jérôme Pagès Laboratoire de mathématiques appliquées Agrocampus France Analyse Factorielle Multiple

Plus en détail

ANALYSE : OUTIL D ANALYSE DE DONNEES POUR LES SCIENCES HUAMINES MANUEL DE L UTILISATEUR : PRISE EN MAIN

ANALYSE : OUTIL D ANALYSE DE DONNEES POUR LES SCIENCES HUAMINES MANUEL DE L UTILISATEUR : PRISE EN MAIN Pôle Informatique de Recherche et d Enseignement en Histoire ANALYSE : OUTIL D ANALYSE DE DONNEES POUR LES SCIENCES HUAMINES MANUEL DE L UTILISATEUR : PRISE EN MAIN A. PREMIER PAS 1. INTEGRATION DU TABLEAU

Plus en détail

Séries statistiques à deux variables : ajustement affine. Ce thème est abordé en bac professionnel dans l unité «IV Activités statistiques».

Séries statistiques à deux variables : ajustement affine. Ce thème est abordé en bac professionnel dans l unité «IV Activités statistiques». Séries statistiques à deux variables : ajustement affine. Introduction : Ce thème est abordé en bac professionnel dans l unité «IV Activités statistiques». En évaluation, le candidat doit pouvoir : - représenter

Plus en détail

Cours 7 ANALYSE EN COMPOSANTES PRINCIPALES (ACP) Master 2 2005/2006

Cours 7 ANALYSE EN COMPOSANTES PRINCIPALES (ACP) Master 2 2005/2006 Cours 7 ANALYSE EN COMPOSANTES PRINCIPALES (ACP) Master 2 2005/2006 . Les données NOMS PUISS CYLI Co uple Ma xi LONG LARG H AUT COFFRE RESE POIDS VITE CONS ALF 47,9 JTD Distinctive 5 90 28 4,7,73,44 280

Plus en détail

Utilisation de XnView

Utilisation de XnView http://www.rakforgeron.fr 27/02/2015 Utilisation de XnView Les photos d'actes généalogiques, les scans de documents réalisés par vous, ou vos saisies d'écran de documents téléchargés sur Internet, au-delà

Plus en détail

GOUTTE. Analyse Statistique des Données Cours 4. Master 2 EID. LUISS, Libera Università Internazionale degli Studi Sociali

GOUTTE. Analyse Statistique des Données Cours 4. Master 2 EID. LUISS, Libera Università Internazionale degli Studi Sociali LUISS, Libera Università Internazionale degli Studi Sociali Université Paris 13 Laboratoire Analyse, Géométrie et Applications UMR 7539 GOUTTE Analyse Statistique des Données Cours 4 Master 2 EID goutte@math.univ-paris13.fr

Plus en détail

Examen d accès - 28 Septembre 2012

Examen d accès - 28 Septembre 2012 Examen d accès - 28 Septembre 2012 Aucun document autorisé - Calculatrice fournie par le centre d examen Cet examen est un questionnaire à choix multiples constitué de 50 questions. Plusieurs réponses

Plus en détail

Base de données et logiciels

Base de données et logiciels Base de données et logiciels par G. BOUXIN Tout d abord, nos programmes personnels utilisés dans les divers paragraphes sont décrits. Ensuite, deux outils également utiles parmi d autres présentés : l

Plus en détail

SINE QUA NON. Découverte et Prise en main du logiciel Utilisation de bases

SINE QUA NON. Découverte et Prise en main du logiciel Utilisation de bases SINE QUA NON Découverte et Prise en main du logiciel Utilisation de bases Sine qua non est un logiciel «traceur de courbes planes» mais il possède aussi bien d autres fonctionnalités que nous verrons tout

Plus en détail

Premiers pas vers l analyse de données...

Premiers pas vers l analyse de données... Fiche TD avec le logiciel : tdr1101 Premiers pas vers l analyse de données... A.B. Dufour & D. Clot Cette fiche comprend des exercices portant sur les paramètres descriptifs principaux et les représentations

Plus en détail

L'analyse des données à l usage des non mathématiciens

L'analyse des données à l usage des non mathématiciens Montpellier L'analyse des données à l usage des non mathématiciens 2 ème Partie: L'analyse en composantes principales AGRO.M - INRA - Formation Permanente Janvier 2006 André Bouchier Analyses multivariés.

Plus en détail

Analyses multivariées avec R Commander (via le package FactoMineR) Qu est ce que R? Introduction à R Qu est ce que R?

Analyses multivariées avec R Commander (via le package FactoMineR) Qu est ce que R? Introduction à R Qu est ce que R? Analyses multivariées avec R Commander Analyses multivariées avec R Commander (via le package FactoMineR) Plate-forme de Support en Méthodologie et Calcul Statistique (SMCS) - UCL 1 Introduction à R 2

Plus en détail

SUGARCRM MODULE RAPPORTS

SUGARCRM MODULE RAPPORTS SUGARCRM MODULE RAPPORTS Référence document : SYNOLIA_Support_SugarCRM_Module_Rapports_v1.0.docx Version document : 1.0 Date version : 2 octobre 2012 Etat du document : En cours de rédaction Emetteur/Rédacteur

Plus en détail

Chapitre 3. Les distributions à deux variables

Chapitre 3. Les distributions à deux variables Chapitre 3. Les distributions à deux variables Jean-François Coeurjolly http://www-ljk.imag.fr/membres/jean-francois.coeurjolly/ Laboratoire Jean Kuntzmann (LJK), Grenoble University 1 Distributions conditionnelles

Plus en détail

2013 Comptabilité / Tableau de bord

2013 Comptabilité / Tableau de bord 2013 Comptabilité / Tableau de bord Le 27 Novembre 2013 Version 2 Introduction... 1 Configuration préalable... 2 Utilisation... 3 Introduction... 3 Ajout d un rapport/indicateur configuré au préalable...

Plus en détail

Programme des épreuves des concours externes de recrutement des personnels techniques et administratifs de recherche et de formation

Programme des épreuves des concours externes de recrutement des personnels techniques et administratifs de recherche et de formation Programme des épreuves des concours externes de recrutement des personnels E1 RECRUTEMENT DES ASSISTANTS INGENIEURS DE RECHERCHE ET DE FORMATION...2 E1.1 Gestionnaire de base de données...2 E1.2 Développeur

Plus en détail

Ricco.Rakotomalala http://eric.univ-lyon2.fr/~ricco/cours

Ricco.Rakotomalala http://eric.univ-lyon2.fr/~ricco/cours Ricco.Rakotomalala http://eric.univ-lyon2.fr/~ricco/cours R.R. Université Lyon 2 1 Fichier de données Prédiction de la consommation de véhicules (1) Prédire la consommation des véhicules à partir de ses

Plus en détail

1 CRÉER UN TABLEAU. IADE Outils et Méthodes de gestion de l information

1 CRÉER UN TABLEAU. IADE Outils et Méthodes de gestion de l information TP Numéro 2 CRÉER ET MANIPULER DES TABLEAUX (Mise en forme, insertion, suppression, tri...) 1 CRÉER UN TABLEAU 1.1 Présentation Pour organiser et présenter des données sous forme d un tableau, Word propose

Plus en détail

Projet CLANU en 3GE: Compléments d algèbre linéaire numérique

Projet CLANU en 3GE: Compléments d algèbre linéaire numérique Projet CLANU en 3GE: Compléments d algèbre linéaire numérique Année 2008/2009 1 Décomposition QR On rappelle que la multiplication avec une matrice unitaire Q C n n (c est-à-dire Q 1 = Q = Q T ) ne change

Plus en détail

TEMP 1 : AI-JE LA FIEVRE?

TEMP 1 : AI-JE LA FIEVRE? Fiche professeur TEMP 1 : AI-JE LA FIEVRE? TI-82 STATS TI-83 Plus TI-84 Plus Mots-clés : température, unité, conversion, Celsius, Fahrenheit, représentation, régression, modèle. 1. Objectifs a. Aspects

Plus en détail

ANALYSE FACTORIELLE MULTIPLE PROCRUSTEENNE

ANALYSE FACTORIELLE MULTIPLE PROCRUSTEENNE ANALYSE FACTORIELLE MULTIPLE PROCRUSTEENNE Elisabeth Morand & Jérôme Pagès Agrocampus Rennes Laboratoire de mathématiques appliquées CS 425 3542 Rennes cedex Résumé Pour comparer deux nuages de points

Plus en détail

1 Complément sur la projection du nuage des individus

1 Complément sur la projection du nuage des individus TP 0 : Analyse en composantes principales (II) Le but de ce TP est d approfondir nos connaissances concernant l analyse en composantes principales (ACP). Pour cela, on reprend les notations du précédent

Plus en détail

Aide-mémoire de statistique appliquée à la biologie

Aide-mémoire de statistique appliquée à la biologie Maxime HERVÉ Aide-mémoire de statistique appliquée à la biologie Construire son étude et analyser les résultats à l aide du logiciel R Version 5(2) (2014) AVANT-PROPOS Les phénomènes biologiques ont cela

Plus en détail

ACP Voitures 1- Méthode

ACP Voitures 1- Méthode acp=princomp(voit,cor=t) ACP Voitures 1- Méthode Call: princomp(x = voit, cor = T) Standard deviations: Comp.1 Comp.2 Comp.3 Comp.4 Comp.5 Comp.6 2.1577815 0.9566721 0.4903373 0.3204833 0.2542759 0.1447788

Plus en détail

Utilisation d un tableur dans l exploitation des courbes de dosage spectrophotométrique.

Utilisation d un tableur dans l exploitation des courbes de dosage spectrophotométrique. Utilisation d un tableur dans l exploitation des courbes de dosage spectrophotométrique. A METHODE DE LA GAMME D ETALONNAGE... 1 1. Saisie des valeurs... 1 2. Tracé de la gamme d étalonnage... 2 3. Modélisation

Plus en détail

Université Jinan Faculté de Gestion Tripoli - Liban. Statistiques. Examen Préparatoire. Version 1

Université Jinan Faculté de Gestion Tripoli - Liban. Statistiques. Examen Préparatoire. Version 1 Université Jinan Faculté de Gestion Tripoli - Liban Statistiques Examen Préparatoire Version 1 2011-2010 Statistiques Université de Jinan Faculté de Gestion Table des matières 1 Analyse statistique d'une

Plus en détail

À PROPOS D IMAGES : Fiche professeur

À PROPOS D IMAGES : Fiche professeur À PROPOS D IMAGES : Fiche professeur Damier Assiette Danseuse Eventail Danseuse 1 FICHE ÉLÈVE (1) Que devient une image lorsqu on la grossit? Ouvrir (par exemple avec l application «Aperçu»), les deux

Plus en détail

FICHES D UTILISATION DU LOGICIEL LATIS PRO MENU

FICHES D UTILISATION DU LOGICIEL LATIS PRO MENU FICHES D UTILISATION DU LOGICIEL LATIS PRO MENU A- Comment enregistrer les coordonnées successives d un point en mouvement à partir d une vidéo? Pages 2 et 3 B- Comment réaliser l acquisition d une tension?

Plus en détail

Pas-à-pas Excel 2000 et suivants

Pas-à-pas Excel 2000 et suivants Pas-à-pas Excel 2000 et suivants calculer automatiquement un date d échéance Objectif : calculer une date d échéance tenant compte de la durée variable d un contrat, faire apparaître automatiquement les

Plus en détail

Formation tableur niveau 5 (Excel 2013)

Formation tableur niveau 5 (Excel 2013) Formation tableur niveau 5 (Excel 2013) L objectif général de cette formation est d améliorer les graphiques créés avec Excel pour qu ils soient plus percutants et de créer des graphiques originaux. Sommaire

Plus en détail

Documentation Tableur OpenOffice 2

Documentation Tableur OpenOffice 2 Documentation Tableur OpenOffice 2 1. Environnement de travail Nom du Nom du logiciel Barre de Zone de nom elle affiche l'adresse du champ sélectionné Cellule active Zone d'édition : elle affiche le contenu

Plus en détail

CH1 : Introduction à l Analyse Des Données (ADD) B- Les données et leurs caractéristiques C- Grandeurs associées aux données

CH1 : Introduction à l Analyse Des Données (ADD) B- Les données et leurs caractéristiques C- Grandeurs associées aux données CH1 : Introduction à l Analyse Des Données (ADD) A- Introduction A- Introduction B- Les données et leurs caractéristiques C- Grandeurs associées aux données A-1 Les méthodes Lors de toute étude statistique,

Plus en détail

TP R de Statistiques sur l analyse multivariée: AFC, ACP, CAH, k-means et AFCM

TP R de Statistiques sur l analyse multivariée: AFC, ACP, CAH, k-means et AFCM TP R de Statistiques sur l analyse multivariée: AFC, ACP, CAH, k-means et AFCM Emmanuel Rachelson and Matthieu Vignes 9 octobre 2013, SupAero - ISAE 1 Présidentielles 2008 - AFC Récupérer les données,

Plus en détail

Description simple d une base de données

Description simple d une base de données Description simple d une base de données Sommaire I. Estimation des principaux paramètres de la statistique descriptive : moyenne, écart-type, pourcentage... 1 II. Les Graphiques dans Excel 2007... 3 A.

Plus en détail

Travaux pratiques de Génie Informatique TP 2 & 3. séances, mais vous pouvez en faire plus. Essayer d aller le plus loin possible.

Travaux pratiques de Génie Informatique TP 2 & 3. séances, mais vous pouvez en faire plus. Essayer d aller le plus loin possible. 1 BUT DE LA SÉANCE. TRAVAUX PRATIQUES DE GÉNIE INFORMATIQUE Ces deuxième et troisième séances ont pour but de vous faire avancer dans la programmation sous Matlab. Vous y découvrez les fonctions, les sous-programmes

Plus en détail

ACCESSIBILITE. Dans le domaine de l informatique pour le handicap, "l Accessibilité" consiste à adapter et optimiser l ergonomie :

ACCESSIBILITE. Dans le domaine de l informatique pour le handicap, l Accessibilité consiste à adapter et optimiser l ergonomie : ACCESSIBILITE Définition de l Accessibilité en Informatique Dans le domaine de l informatique pour le handicap, "l Accessibilité" consiste à adapter et optimiser l ergonomie : - des matériels et dispositifs

Plus en détail

Introduction à Sage-Python

Introduction à Sage-Python Introduction à Sage-Python Aurélien Greuet Université de Versailles http://lmv.math.cnrs.fr/annuaire/aurelien-greuet/ 1 Python? Sage?! Calcul formel?!? 1.1 Python Python est un langage de programmation

Plus en détail

a et b étant deux nombres relatifs donnés, une fonction affine est une fonction qui a un nombre x associe le nombre ax + b

a et b étant deux nombres relatifs donnés, une fonction affine est une fonction qui a un nombre x associe le nombre ax + b I Définition d une fonction affine Faire l activité 1 «une nouvelle fonction» 1. définition générale a et b étant deux nombres relatifs donnés, une fonction affine est une fonction qui a un nombre x associe

Plus en détail

Manuel d utilisation 26 juin 2011. 1 Tâche à effectuer : écrire un algorithme 2

Manuel d utilisation 26 juin 2011. 1 Tâche à effectuer : écrire un algorithme 2 éducalgo Manuel d utilisation 26 juin 2011 Table des matières 1 Tâche à effectuer : écrire un algorithme 2 2 Comment écrire un algorithme? 3 2.1 Avec quoi écrit-on? Avec les boutons d écriture........

Plus en détail

Créer un fichier PSD de travail avec plusieurs calques d images et un calque de texte

Créer un fichier PSD de travail avec plusieurs calques d images et un calque de texte Créer un fichier PSD de travail avec plusieurs calques d images et un calque de texte Sur une page Web de mon site consacré aux champignons de ma région, je veux afficher sur une page Amanites plusieurs

Plus en détail

Il y a 24 individus en ligne (les modèles de voitures) et 6 variables en colonnes (paramètres mécaniques). Valeurs propres

Il y a 24 individus en ligne (les modèles de voitures) et 6 variables en colonnes (paramètres mécaniques). Valeurs propres VOITURE: On étudie 6 différents paramètres mécaniques (les variables), exprimées dans des unités différentes, de 24 modèles de voitures (les individus). Modèle Cylindre Puissance Vitesse Poids Longueur

Plus en détail

Opérations de base sur ImageJ

Opérations de base sur ImageJ Opérations de base sur ImageJ TPs d hydrodynamique de l ESPCI, J. Bico, M. Reyssat, M. Fermigier ImageJ est un logiciel libre, qui fonctionne aussi bien sous plate-forme Windows, Mac ou Linux. Initialement

Plus en détail

EXCEL PERFECTIONNEMENT SERVICE INFORMATIQUE. Version 1.0 30/11/05

EXCEL PERFECTIONNEMENT SERVICE INFORMATIQUE. Version 1.0 30/11/05 EXCEL PERFECTIONNEMENT Version 1.0 30/11/05 SERVICE INFORMATIQUE TABLE DES MATIERES 1RAPPELS...3 1.1RACCOURCIS CLAVIER & SOURIS... 3 1.2NAVIGUER DANS UNE FEUILLE ET UN CLASSEUR... 3 1.3PERSONNALISER LA

Plus en détail

point On obtient ainsi le ou les points d inter- entre deux objets».

point On obtient ainsi le ou les points d inter- entre deux objets». Déplacer un objet Cliquer sur le bouton «Déplacer». On peut ainsi rendre la figure dynamique. Attraper l objet à déplacer avec la souris. Ici, on veut déplacer le point A du triangle point ABC. A du triangle

Plus en détail

Découverte des nouveautés de la version 2.0 de TI-Nspire

Découverte des nouveautés de la version 2.0 de TI-Nspire Découverte des nouveautés de la version 2.0 de TI-Nspire Mars 2010 Découverte des nouveautés de la version 2.0 de TI-Nspire... 1 I - Les améliorations de l OS de la calculatrice... 2 Un nouvel écran d

Plus en détail

Notice d utilisation du logiciel

Notice d utilisation du logiciel Boîtier TachyCom GPRS/GPS Système de suivi des activités véhicules par GPS Notice d utilisation du logiciel TACHYCOM_GPRS_010 v1.0 Notice d utilisation TachyCom GPS Page 1 sur 8 SOMMAIRE 1. INTRODUCTION

Plus en détail

Module d'analyse des données

Module d'analyse des données *** Année 2007 *** Module d'analyse des données P.L. Toutain, A. Bousquet-Mélou UMR 181 de Physiopathologie et Toxicologie Expérimentales INRA/ENVT Ecole Nationale Vétérinaire de Toulouse 24/04/2007 Avant

Plus en détail

Un corrigé de l épreuve de mathématiques du baccalauréat blanc

Un corrigé de l épreuve de mathématiques du baccalauréat blanc Terminale ES Un corrigé de l épreuve de mathématiques du baccalauréat blanc EXERCICE ( points). Commun à tous les candidats On considère une fonction f : définie, continue et doublement dérivable sur l

Plus en détail

Classification Exemple : Enquête d opinion sur les OGM. Pauline Le Badezet Alexandra Lepage

Classification Exemple : Enquête d opinion sur les OGM. Pauline Le Badezet Alexandra Lepage Classification Exemple : Enquête d opinion sur les OGM Pauline Le Badezet Alexandra Lepage SOMMAIRE Introduction Méthodologie Méthode de partitionnement Classification Ascendante Hiérarchique Interprétation

Plus en détail

Pas à pas Zoom graphique. Avec PTE 5.0

Pas à pas Zoom graphique. Avec PTE 5.0 Pas à pas Zoom graphique Avec PTE 5.0 Par Marcel Boi Le 6 décembre 2006-1 - SOMMAIRE Page 3 Page 3 Page 4 Page 4 Page 7 Page 9 Page 11 Page 12 Page 13 1- Préparation de l image 2- Mise en place dans Pictures

Plus en détail

Fonctions linéaires et affines. 1 Fonctions linéaires. 1.1 Vocabulaire. 1.2 Représentation graphique. 3eme

Fonctions linéaires et affines. 1 Fonctions linéaires. 1.1 Vocabulaire. 1.2 Représentation graphique. 3eme Fonctions linéaires et affines 3eme 1 Fonctions linéaires 1.1 Vocabulaire Définition 1 Soit a un nombre quelconque «fixe». Une fonction linéaire associe à un nombre x quelconque le nombre a x. a s appelle

Plus en détail

Analyse en Composantes Principales

Analyse en Composantes Principales Plan du cours Analyse en Composantes Principales Introduction Les données Leurs représentations La méthode Modèle Interprétation statistique Espace principal Composantes Principales Représentations Graphiques

Plus en détail

TD : Microéconomie de l incertain. Emmanuel Duguet

TD : Microéconomie de l incertain. Emmanuel Duguet TD : Microéconomie de l incertain Emmanuel Duguet 2011-2012 Sommaire 1 Les loteries 2 2 Production en univers incertain 4 3 Prime de risque 6 3.1 Prime de risque et utilité CRRA.................. 6 3.2

Plus en détail