THESE. Applications des algorithmes d'auto-organisation à la classification et à la prévision

Dimension: px
Commencer à balayer dès la page:

Download "THESE. Applications des algorithmes d'auto-organisation à la classification et à la prévision"

Transcription

1 UNIVERSITE PARIS I PANTHEON SORBONNE U.F.R. DE MATHEMATIQUES et INFORMATIQUE Année 999 THESE Pour obtenir le rade de DOCTEUR DE L'UNIVERSITE PARIS I Discipline : Mathéatiques Présentée et soutenue publiqueent Par Patric ROUSSET Titre : Applications des alorithes d'auto-oranisation à la classification et à la prévision Directeur de Thèse : Marie COTTRELL Michel Verleysen Jeanny Herault Marie Cottrell Jean-Pierre Fénelon François Gardes Stephane Canu JURY

2 Reercieents Si pour beaucoup la thèse est le oyen de trouver un eploi dans la recherche ou l'enseineent, c'est on travail à 'université et une expérience préalable d'enseineent qui 'ont donné l'envie de faire celle-ci. Elle 'a peris de continuer à découvrir et proresser, de concrétiser des idées nées de rencontres et de lectures, ainsi que de ieux e connaître. Au oent de conclure ce travail, es preières pensées vont à es parents et es proches. Etre le téoin priviléié de la destinée de es élèves a élari l'anle de vue sur on propre parcours, c'est pourquoi je suis heureux d'avoir ici l'opportunité de reercier tous ceux qui 'ont aidé, encouraé ou soutenu tout au lon de es études. En ce qui concerne la thèse, elle-êe, je dois son aboutisseent aux professeurs Marie Cottrell et Bernard Girard. Décrire leur contribution en réduirait l'iportance. Je les reercie donc succincteent d'avoir ajouté à leur rande copétence la entillesse et la disponibilité. Ces qualités se trouvent d'ailleurs facileent au SAMOS (ainsi que la réponse à la plupart de es questions). Merci aussi à Yvonne Girard et au SCIPRE de 'avoir fourni atériel et assistance, à Chaiya pour la qualité des ipressions couleurs et à a cousine Doinique pour sa relecture. J'ai eu aussi plaisir à travailler en collaboration avec Patrice Gaubert, Christiane Guinot, François Gardes, Yvonne Girard, Bertrand Maillet, Christian Derquenne et Moran Maneas, à avoir une rencontre fructueuse avec Michael Jordan. Je voudrais reercier aussi Michel Verleysen et Jeanny Herault pour avoir accepté la chare de rapporter cette thèse, pour leurs rearques et leurs encouraeents ainsi que les ebres du jury Stéphane Canu, Jean-Pierre Fénelon et François Gardes. Un clin d'œil à Krystyna, Thierry, Arnaud, Olivier, Salah,... et aux habitants de Sari d'orcino. Mes encouraeents enfin pour Elena, Maxence, Alexandre, Mia, Clara, Laura, Huo et les autres pour qui le chein est encore lon.

3 TABLE DES MATIERES Introduction ère PARTIE : ANALYSE DE DONNEES A L'AIDE DES CARTES DE KOHONEN. 5 Analyse de données Problèe et exeples Le problèe Présentation de trois exeples de bases de données La classification de Kohonen Introduction de l alorithe de Kohonen Quelques alorithes de classification Alorithe de Kohonen La relation entre la éthode basée sur la classification de Kohonen et les autres éthodes Analyse de données en utilisant les cartes de Kohonen Analyse de données appliquées en pratique Analyse linéaire des données Analyse de données à l aide des réseaux de neurones Analyse de données à l aide des cartes de Kohonen niveaux de classification Représentation des distances inter classes Contenu des classes et hooénéité Croiseent de la classification avec une variable qualitative Analyse restreinte à une réion de la carte Projection des observations de A dans le plan P(A) Représentation des classes voisines Coparaison avec les éthodes classiques L'exeple du fer à cheval Les représentations issues de l'acp Utilisation de la classification à l'aide de l'alorithe de Kohonen Coparaison entre la classification de Kohonen et l'analyse factorielle èe PARTIE : PREVISION A L'AIDE DES CARTES DE KOHONEN Probléatique Problèe Doaine d'application Exeple

4 4.4 Les odèles classiques Un odèle linéaire: L'Arax Un odèle neuronal: Le perceptron ulticouches Conclusion La MEP : une éthode de prévision dans le cas d'une série chronoloique qui cuule deux évolutions de teps ayant chacune sa cadence propre Définition et notations Méthode de prévision Application de la MEP à l'exeple de la prévision de la consoation électrique nationale polonaise Classification des profils Utilisation d'une classification hiérarchique Utilisation de la classification de Kohonen Variantes de l'alorithe de Kohonen susceptible d'aéliorer la classification des courbes de chare Classification et prévision des profils Estiation des courbes de chares électriques et perforances Estiation des courbes de chares électriques par la éthode MPE. 6.. Un odèle de référence pour valider la éthode par coparaison Perforances de la MEP Analyse de l'erreur Analyse de l'erreur de prévision du profil Analyse de l'erreur de prévision de la courbe de chare Quelques réflexions sur la éthode Noralisation de l'estié du profil et renoralisation des poids à chaque itération de l'apprentissae Options techniques Choix de la classification Liites Conclusion et perspectives

5 INTRODUCTION Les travaux scientifiques nécessitent souvent une confrontation entre les nouvelles techniques et celles existantes. On aura éaleent cette exience dans la suite, c'est pourquoi il peut être intéressant de faire un point soaire sur l'évolution des outils statistiques et de se deander ce que l'on attend d'une nouveauté. En particulier, quelles caractéristiques elle doit posséder pour répondre à l'évolution des oyens coe par exeple le atériel et pour servir de relais aux éthodes existantes pour résoudre les problèes. Evolution de la statistique : Les statistiques ont rapideent évolué au cours des dernières décennies. Les techniques se sont en effet beaucoup développées et de nouvelles sont apparues. De plus, son doaine d'application s'est élari et la population des utilisateurs s'est diversifiée. Cette évolution provient des prorès de l'inforatique qui a d'abord révolutionné le onde de la statistique à son arrivée et l'a, depuis, fait évoluer continuelleent. La capacité randissante des ordinateurs a iposé un renouvelleent très fréquent des techniques. Pari les rands axes d'influence de l'inforatique sur les techniques, on peut citer trois exeples.

6 La capacité de stocae des ordinateurs a peris un accroisseent de la taille des bases de données dans des proportions telles qu'il est aujourd'hui courant de disposer de recueil de données dont le nobre d'individus s'exprie en illions et celui des variables en centaines. Ce phénoène réclae naturelleent une approche et des techniques nouvelles. Les prorès des outils inforatiques pour réaliser des représentations raphiques ont orienté les statistiques vers des techniques qui aboutissent à des résultats qui se traduisent par des représentations raphiques sous fore de tableaux ou de cartes. Par exeple, les analyses factorielles, dont le but est de représenter "au ieux" l'inforation sur des plans, ont pris une rande iportance dans l'analyse de données ultidiensionnelles. D'autre part, la vitesse d'exécution randissante des ordinateurs a peris d'envisaer l'utilisation d'alorithes qui ont un coût élevé en tere de teps de calcul. En particulier, cela a provoqué une diversification des techniques de classification. Outre l'évolution des techniques, l'inforatique a aussi odifié le cadre d'application des statistiques. Les doaines d'étude se sont diversifiés et les techniques sont de plus en plus utilisées par des non statisticiens, spécialistes d'autres sciences coe l'éconoie, la finance, l'assurance, ou de façon plus énérale la plupart des inénieurs. Cette évolution provient de la ise à disposition des loiciels qui proposent une ae de odèles statistiques qu'il suffit d'exécuter sur son ordinateur personnel. Il est à noter que les sorties sous fore de raphiques et de tableaux ont lareent contribué à la vularisation des techniques statistiques. En êe teps de l'inforatique, le développeent récent des réseaux de neurones apporte aussi une source de renouvelleent pour les statistiques. De nouveaux alorithes répondent ainsi au besoin d'approches nouvelles déjà évoqué. En particulier, ils perettent une étude non linéaire ieux adaptée à certaines structures. "Quelles caractéristiques pourrait avoir un nouvel alorithe qui s'inscrirait dans l'évolution des statistiques?" : D'après le bilan historique fait précédeent, il apparaît que c'est plus au besoin d'analyse qu'il doit répondre qu'au problèe des oyens (les problèes de calcul étant oindres). Il doit fournir un oyen de traiter des bases de données de plus en plus iportantes et coplexes. Un alorithe issu des réseaux de neurones peut par exeple répondre à cette deande. De plus, pour être appliqué par des non spécialistes et suivre ainsi l'évolution de l'analyse classique, il doit être relativeent siple à utiliser et doit fournir des sorties sous une fore qui facilite leur interprétation. C'est-à-dire sous fore de tableaux ou

7 de raphiques. Il est d'ailleurs possible d'envisaer des représentations raphiques autres que les projections linéaires. Avant de présenter les avantaes de celles proposées dans la suite, nous ne résistons pas au plaisir de contepler une de celles produites par un analyste plus doué : Picasso : L'acrobate Contexte et objectif de la thèse : L'esprit dans lequel nous avons essayé de concevoir un odèle de prévision des courbes de consoation nationale électrique française est à rapprocher d'une citation de Jean-Paul Benzécri présente dans l'introduction de l'ouvrae "Statistiques exploratoire utidiensionnelle" [68], "le odèle doit suivre les données et non l'inverse". On a, ainsi, is au point une éthode de prévision qui s'appuie sur une analyse de données, car cela paraissait ieux adapté à cette série chronoloique. On a choisi de le faire à partir de la classification de Kohonen car elle offrait plus de possibilités. On a développé les outils 3

8 d'interprétation de cette dernière pour aéliorer notre potentiel d'analyse et par là êe la qualité de notre prévision. En parallèle, d'autres études se sont présentées, elles appartenaient à des doaines variés tels que l'analyse de la consoation des canadiens ou du chôae qui sont fournies en annexe. Les outils précités se sont avérés perforants pour les analyser, ais on a souvent dû les faire évoluer ou en ajouter d'autres. Cet échane entre les problèes et les solutions a abouti à un enseble de oyens d'analyse copléentaires et adaptatifs. C'est pourquoi, dans la suite, l'analyse de données sera présentée indépendaent de la prévision. Elle constituera la preière partie, la prévision étant le sujet de la seconde. Pour ontrer l'adaptabilité des outils développés, on illustrera leur utilisation à l'aide d'exeples de bases de données variées, souvent issues d'études réelles. Par contre, leurs études coplètes fournies en annexe ne sont pas traitées. A la suite de la présentation de l'analyse de données et de sa coparaison à l'association classification analyse factorielle, on ontrera dans la seconde partie coent s'appuyer sur celle-ci pour ettre au point une éthode de prévision qui s'écarte des éthodes récursives et s'adapte à des contextes nouveaux. En particulier, on l'appliquera aux données de consoation électrique polonaise, is entient à notre disposition par le professeur Osowsi de l'université Warsaw Technical, pour lesquelles les techniques précitées ont ontré à la fois leurs qualités et leurs liites. L'étude de la consoation française est présentée en annexe. 4

9 ère PARTIE ANALYSE DE DONNEES A L'AIDE DES CARTES DE KOHONEN Chap. Chap. Chap.3 Analyse de données Problèe et exeples La classification de Kohonen Analyse de données en utilisant les cartes de Kohonen

10

11 Analyse de données - Problèe et exeples. Analyse de données - Problèe et exeples.. Le problèe L'apparition puis le développeent des ordinateurs ont peris d'envisaer de nouvelles techniques d'analyse de données, notaent en exécutant rapideent certains calculs tels que l'inversion de atrice ou la diaonalisation. C'est le cas des analyses factorielles coe par exeple l'analyse en coposantes principales ou ACP qui ont répondu au besoin de visualiser les données. Ces éthodes réalisent en effet, des projections sur les plans dits "principaux" (contenant le axiu d'inertie) où l'on voit le ieux le nuae de points. Mais il existe un besoin de copléter ces éthodes par de nouvelles qui seraient capables de traiter des bases de données de rande taille, ayant une structure non linéaire, et par conséquent al expliquées par les outils traditionnels. Certains réseaux de neurones, coe le perceptron ulticouche, perettent de replacer les analyses classiques. Mais ils n offrent pas toujours de représentations raphiques et les interprétations sont parfois 7

12 Analyse de données à l'aide des cartes de ohonen difficiles. La classification de Kohonen a, quant à elle, le double avantae de faire une analyse non linéaire de la base de données et de se prêter à des représentations raphiques faciles à utiliser. Dans ce chapitre vont être développées différentes façons d exploiter cette dernière éthode pour répondre à plusieurs problèes de l analyse de données tels que la classification, l analyse de la dispersion, la caractérisation des individus par des variables explicatives qualitatives, etc. Les techniques qui vont être présentées seront appliquées à des exeples siulés pour l'illustration ou issus d'études pratiques dont le lecteur pourra trouver les analyses coplètes en annexe.. Présentation de trois exeples de bases de données. Soit une base de données X de N observations dans laquelle chaque individu i est décrit par p variables quantitatives et q variables qualitatives. On note x i =(x i,, x j i,,x p i ) le vecteur de R p constitué des p variables quantitatives. Trois exeples de bases de données vont servir à illustrer les techniques que nous proposons. L objectif n est pas d en faire l étude, ais d exploiter la spécificité de chacune pour illustrer les différentes parties développées par la suite. Le preier exeple, d effectif réduit, est construit artificielleent pour visualiser le écanise d apprentissae de l alorithe de Kohonen. Le deuxièe issu d'une étude pratique peret d effectuer des analyses qui cobinent des variables quantitatives et qualitatives, il servira de plus à donner un exeple de classification avec la distance du χ. Enfin, le troisièe utilise une notion teporelle qui facilitera l interprétation des rapprocheents des classes à l intérieur des cartes de Kohonen. 8

13 Analyse de données - Problèe et exeples. er exeple : Le preier exeple est constitué d une base de données siulées contenant 300 individus et variables. Chaque individu est construit à partir du élane aléatoire des 3 fores a, b, c de R de la fiure ieux visualisées par le type de représentation de la fiure, adopté pour la suite, qui joint les points indiquant les valeurs. Ceci revient à prendre une cobinaison linéaire des trois vecteurs de base a, b et c fixés du type αa+βb+γc où α, β et γ sont des scalaires aléatoires copris entre 0 et afin d'obtenir des fores variées, coe par exeple celles de la fiure 3. * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * a b c Fiure : Les trois fores a, b et c sont construites à partir de variables 9

14 Analyse de données à l'aide des cartes de ohonen a b c Fiure : Les points sont joints pour ettre en évidence la fore Fiure 3 : Exeple d'une fore construite à partir du élane de a, b et c avec α=0.44, β=0.7 et γ=0. 0

15 Analyse de données - Problèe et exeples. èe exeple : Cet exeple est issu de deux enquêtes de consoation réalisées par Statistiques Canada entre 986 et 99 auprès d environ 0000 énaes. Un individu est défini par son profil de consoation, c est-à-dire par la répartition de sa consoation dans 0 produits (Loeent, achat de véhicule etc. ). Pour un individu, la valeur associée à une variable représente le ratio de la consoation de ce produit rapporté à la consoation totale (par exeple, consoation dans le loeent / consoation totale). Les variables sont donc des pourcentaes, elles prennent des valeurs positives et leur soe vaut. j=,, 0 x j 0 et 0 j= x j = Coparer deux individus revient à coparer deux profils. Lorsque les observations sont des pourcentaes, il est classique de choisir la distance du χ, c est donc celle qui sera utilisée dans cet exeple. La fiure 4 représente la consoation d un individu i. Sur l axe des abscisses sont indiqués les produits de consoation, l ordre est alphabétique et n a donc aucun sens (ce n est pas un axe teporel). De êe, les points sont reliés entre eux dans le seul but de rendre le profil plus lisible. consoation 0, 0,5 0, 0,05 0 alcool al.do al.ext chares co. divers don educ. habill. loeent loisirs loterie eubles santé secu soin tabac tr.pers tr.pub. veh. Fiure 4 : Profil de consoation de l'individu i La liste exhaustive des variables de consoation est la suivante : alcool, alientation au doicile, alientation à l'extérieur, chares, counication (dépense de téléphone), divers (intérêts des prêts personnels, produits d'entretien), dons, éducation, habilleent, loeent, loisirs, loterie, eubles, santé, dépenses de sécurité (assurance chôae, vie, retraite), soins, tabac, transport personnel, transport public, achat de véhicule

16 Analyse de données à l'aide des cartes de ohonen Cette enquête fournit aussi des caractéristiques qualitatives copléentaires sur les individus : le niveau d éducation, la tranche d âe, la détention de loeent et le niveau de pauvreté. Cet exeple perettra donc, dans la suite, d'illustrer la façon dont on peut utiliser les cartes de Kohonen qui réalisent une classification des individus par rapport des variables quantitatives (ici la consoation) afin de réaliser la cartoraphie d'un autre critère qui n a pas servi à la classification (par exeple la détention de loeent). 3 èe exeple : Cet exeple a été construit artificielleent à partir d une base de données réelles. Il contient 000 observations qui représentent les relevés journaliers d une esure faite toute les deux heures (la preière valeur est le relevé à 0h00, le deuxièe à h00, le troisièe à 4h00, etc.). Sur les fiures 5 et 6 sont représentées les esures d'une journée pour les individus i et i de la base de données. On exploitera cet exeple pour illustrer les études sur la dispersion et les relations entre les unités de la carte de Kohonen qui s expliquent dans ce cas particulier par une notion failière aux statisticiens, l évolution teporelle. Cet exeple perettra ainsi de faire le lien avec l exploitation des cartes de Kohonen dans le cadre de la prévision présentée au chapitre. Le niveau de pauvreté a été évalué par des éconoistes à partir de critères dont l un est la consoation.

17 Analyse de données - Problèe et exeples h00 h00 4h00 6h00 8h00 0h00 h00 4h00 6h00 8h00 0h00 h00 heure Fiure 5 :Relevé bi-horaire du jour i h00 h00 4h00 6h00 8h00 0h00 h00 6h00 8h00 0h00 h00 4h00 Fiure 6 :Relevé bi-horaire du jour i 3

18 Analyse de données à l'aide des cartes de ohonen 4

19 La classification de Kohonen La classification de Kohonen. Introduction de l alorithe de Kohonen. Teuvo Kohonen a proposé dès 98 (Kohonen, 98 [6, 63]) un alorithe qui produit une carte d oranisation topoloique ([64, 65]). Le processus ne dépend que des entrées et ne nécessite pas l intervention d un superviseur, on parle dans ce cas d'autooranisation. Sa fonction principale est de faire correspondre les éléents de l'espace d'entrée avec des unités ordonnées sur une carte qui est une représentation raphique où chaque unité est entourée de ses voisines, les voisinaes ayant été définis à priori. Le résultat est une fonction de l'espace des entrées vers l'enseble des unités, telle que les iaes de deux éléents voisins au sens d'une certaine distance dans l'espace des entrées sont la êe unité ou des unités voisines sur la carte. 5

20 Analyse de données à l'aide des cartes de Kohonen Les propriétés de l alorithe et de ses cartes de sortie perettent conjointeent d analyser des données qui ont une structure non linéaire et de réaliser des représentations raphiques qui ettent en évidence certaines de leurs caractéristiques. L'application la plus courante est la classification de l espace d entrée, où l'on définit une notion de voisinae entre les classes qui n'est pas prise en copte par les éthodes de classification classiques.. Quelques alorithes de classification. Introduction : On distinue deux randes catéories d'alorithes de classification. La preière consiste à effectuer une partition de l espace en un nobre de classes fixé, c est le cas de la éthode des centres obiles et ses variantes issues des travaux de Fory (965) [43], Thorndie (953) [95], Mac Queen (967) [79], Ball et Hall (967) [6]. La deuxièe fournit une classification pour chaque niveau de reroupeent, chacune se déduisant de l aréation ou de la dissociation des classes du niveau précédent. La classification hiérarchique de type WARD procède par exeple par aréation (Ward J.H. (963) [99]). Ces éthodes sont présentées dans les ouvraes de statistiques classiques tels que Statistique Exploratoire Multidiensionnelle (Lebart, Morineau, Piron (995) [68]) ou Probabilités Analyse de Données et Statistiques (Saporta, S. (990) [94] ). 6

21 La classification de Kohonen èr type de classification : les classifications à nobre de classes fixé. a) La éthode des centres obiles : Cette éthode, dont la paternité est attribuée à Fory, est particulièreent adaptée aux données de rande taille. En effet, dans sa ise en place inforatique, le tableau de données conservé en éoire auxiliaire est lu plusieurs fois ais de façon séquentielle, et ainsi n occupe jaais de zone éoire iportante. Son efficacité est en rande partie attestée par les seuls résultats expérientaux. Ce type de classification est souvent utilisé coe technique de description et de réduction en association avec des analyses factorielles. Pour plus de précisions, on peut se rapporter aux ouvraes de Soal et Sneath (963) [93], Lance et Willias (967) [66] ou plus réceent Gordon (987) [5]. - L alorithe : Considérons l enseble X de N individus décrits par p variables à partitionner en U classes à l aide d une distance d (souvent la distance euclidienne ou celle du χ ). Les étapes de l alorithe sont les suivantes : Etape0: On déterine U centres provisoires de classes, les centres {G 0,..., G 0,..., G 0 U } (tirés selon un tirae pseudo aléatoire sans reise de U individus dans la population coe le préconise Mac Queen ( Mac Queen J. B. (967) [79]). Les U centres induisent une preière partition {C 0,..., C 0,...,C 0 U }. L individu i appartient à la classe C 0 s il est plus proche de G 0 que de tous les autres centres. Etape: On définit U nouveaux centres de classes {G,..., G,..., G U } en déterinant les centres de ravité des classes C 0,..., C 0,..., C 0 U. Ces nouveaux centres induisent une nouvelle partition forée des classes notées {C,..., C,..., C U }. Etape : On déterine U nouveaux centres de classe {G,..., G,..., G U } en prenant les centres de ravité des classes C -,..., C -,..., C - U, ce qui induit la nouvelle partition {C,...,C,..., C U.}. 7

22 Analyse de données à l'aide des cartes de Kohonen - Montrons que le processus convere : On note v() la esure de la dispersion autour des centres de classes à l étape : v( ) = U = i C x i G Considérons la soe des carrés des écarts à la oyenne intra classe à l étape, V() U V ( ) = x G où G + étant le centre de ravité de la classe C. = i C i + On va ontrer que v() V() v(+) : Ceci ontrera la converence vers le iniu à la fois de la dispersion autour des centres de classes et de la soe des carrés des écarts à la oyenne intra classe. D après le théorèe de Huyens, U v( ) = V ( ) + n G G où n est l effectif de C = + d où et v() V() v()=v() =,,U G + =G Montrons que V() v(+) : A l étape + v( + ) = U = + i C x i G + L expression de V() est identique à celle de v(+) si on replace C par C +. Or par définition C + est celui qui iniise la dispersion autour de {G + } =,,U d où + xi G + i C i C x i G + donc Conclusion V() v(+). v() V() v(+). avec () v()=v() =,,U G + = G 8

23 La classification de Kohonen Une suite positive stricteent décroissante convere, donc l alorithe convere vers un iniu local. De plus, si deux étapes conduisent à la êe partition, cette dernière est une solution de l alorithe. b) Siple copetitive learnin ou alorithe de Lloyd : une version stochastique en line des centres obiles : L'alorithe SCL est une version stochastique de l'alorithe de Fory présenté au pararaphe précédent, qui a la particularité de déplacer un seul centre de classe à la fois lors de la présentation d'un individu, ce qui le rend ieux adapté aux randes bases de données. Son principe, dont le détail peut être trouvé dans les ouvraes Hertz J. et al. (99) [54] Linde Y. et al. (980) [74], Lloyd S.P. (98) [75] et Mac Queen J. (967) [79], est le suivant : Les centres de classes G,, G U sont initialisés de façon aléatoire. A l'étape t, on présente l'observation x= x(t+) extraite au hasard. Puis, on définit l'indice anant u 0 coe celui du centre de classe qui iniise la distance euclidienne au vecteur présenté: x G u0 ( t) = in u x G u Gu 0 est alors odifié selon la forule: G u0 ( t + ) = G ( t) + ε( t)( x G u0 u0 ( t)) où le paraètre d'adaptation ε(t) décroît vers 0 en satisfaisant la condition de Robbins- Monro ( ε(t) = et ε ( t) < ). On peut ajouter une autre version stochastique des centres obiles appelée K-eans introduite par Mac Queen (967) et analoue à celle de Fory. On ontre que ces trois alorithes converent vers un iniu local de la soe des carrés des écarts aux centres de classes. Celui de Lloyd est très proche de l'alorithe de Kohonen présenté au pararaphe.3. 9

24 Analyse de données à l'aide des cartes de Kohonen èe type de classification : pari les classifications qui fournissent un reroupeent pour chaque niveau, on utilise en particulier les classifications hiérarchiques, avec la distance de WARD : Le principe de la classification ascendante hiérarchique consiste à créer, à chaque étape, une nouvelle partition de l enseble des données en aréeant les deux éléents les plus proches selon une distance choisie à priori. - Principe de l alorithe (coun à toutes les distances) : L'alorithe consiste à calculer à chaque étape s la atrice des distances entre les n s représentants des classes et à déteriner les deux classes dont les représentants sont les plus proches afin de les aréer et d obtenir (n s -) classes à l étape suivante. A l étape 0, il y a autant de classes que d individus dans la base de données. A l étape s, on en trouve n-s. A la fin, il ne reste plus qu une classe. - Définitions: Pour tout, on note le barycentre de la classe C et son effectif et désine le barycentre de toutes les données. On appelle soe des carrés des écarts aux centres de classes, notée SC W (pour soe des carrés intra ou within), la quantité. SC W = s = i C x i La soe des carrés des écarts entre les centres de classes et le centre de ravité est notée SC B (pour soe des carrés inter ou between)et vaut SC B = s = La soe des carrés des écarts au centre de ravité, notée SC T (pour soe des carrés totale) s'écrit SC T = s = i C x i La relation de Huyens induit la propriété suivante : SC T = SC B + SC W - La classification hiérarchique qui utilise la distance de WARD : 0

25 La classification de Kohonen La stratéie consiste, ici, à choisir à chaque étape l aréation entre deux classes qui fait le oins varier la soe des carrés des écarts aux centres de classes. C est-à-dire qu on cherche à obtenir à chaque pas un iniu local de la quantité SC W ou de façon équivalente un axiu de SC B. Considérons le passae de la partition P s à s classes à P s- forée de s- classes par l aréation des classes ), ( C et ), ( C qui donne la classe C. On peut calculer son effectif t et son barycentre s t. On a t + = et t + + = Avant l'aréation des classes, la soe des carrés des écarts entre les centres de classes et le centre de ravité s'écrit: SC B (s)= = = + + = s s & Après l'aréation des classes, elle s'écrit: SC B (s-)= = + s & t t La diinution de la quantité SC B, notée s, vaut: s t t + = Le théorèe de Huyens s écrit : t t t t + + = + et la diinution de la quantité SC B, s due au passae de s à s- classes devient : s + =. De plus t + + = d'où ), ²( s x x d + = + = Les barycentres

26 Analyse de données à l'aide des cartes de Kohonen A chaque étape, on cherche les classes C et C qui correspondent au plus petit s. s est appelé indice de niveau et on vérifie que la soe des indices de niveaux est l inertie totale des n éléents. - Résultat: Les classifications hiérarchiques déterinent une notion de paternité qui se traduit par un dendrorae indiquant pour chaque niveau, le reroupeent effectué. Mais il ne fournit pas d oranisation des classes qui perette d associer facileent à l une d entre elles celles qui lui sont proches. En effet, les fiures 7 et 8 ontrent deux représentations possibles de la êe classification hiérarchique. Il n est donc pas possible, à partir de l arbre, de donner les classes les plus proches de la classe autres que la classe issue du êe père. Il faudrait une notion de voisinae entre les classes pour pouvoir les disposer sur le raphique selon un ordre qui reflète leur proxiité. C'est préciséent cette notion centrale dans l'alorithe de Kohonen qui va fournir des représentations raphiques qui identifient les classes voisines dans le cas de la classification présentée au chapitre suivant. 3 4 Fiure 7 : Dendrorae, la classe est représentée entre la classe et de la classe3

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 Départeent d Aénageent, D Urbanise et Développeent Régional Enseignant : As. Pr. Marie-Noelle Duquenne II. Les Méthodes de Classification Ces éthodes ont pour objectif de parvenir

Plus en détail

Arrondissage des résultats de mesure. Nombre de chiffres significatifs

Arrondissage des résultats de mesure. Nombre de chiffres significatifs BUREAU NATIONAL DE MÉTROLOGIE COMMISSARIAT À L'ÉNERGIE ATOMIQUE LABORATOIRE NATIONAL HENRI BECQUEREL Note technique LNHB/04-13 Arrondissage des résultats de esure Nobre de chiffres significatifs M.M. Bé,

Plus en détail

5 La résistance électrique

5 La résistance électrique 5 La résistance électrique 5.1 La nature de la résistance électrique Expérience : Appliquons une tension U à un fil de cuivre de longueur et de diaètre connus et esurons l intensité du courant I. Ensuite,

Plus en détail

LES CHIFFRES SIGNIFICATIFS ET LES INCERTITUDES

LES CHIFFRES SIGNIFICATIFS ET LES INCERTITUDES Une prédiction de certains écoloistes : Les poissons devraient avoir disparu en 048! LES CHIFFRES SIGNIFICATIFS ET LES INCERTITUDES Les rèles suivantes s appliquent pour tous les calculs ipliquant des

Plus en détail

Première S2 Chapitre 20 : probabilités. Page n 1 2007 2008

Première S2 Chapitre 20 : probabilités. Page n 1 2007 2008 Preière S2 Chapitre 20 : probabilités. Page n De tous teps, les hoes se sont intéressés aux jeux de hasard. La théorie des probabilités est une branche des athéatiques née de l'étude des jeux de hasard

Plus en détail

APS 001-4 SYSMAC Séries C GRAFCET. Guide d'utilisation PMI/STA/6.12.96

APS 001-4 SYSMAC Séries C GRAFCET. Guide d'utilisation PMI/STA/6.12.96 APS 001-4 SYSMAC Séries C GRAFCET Guide d'utilisation PMI/STA/6.12.96 TABLE DES MATIERES Nouvelle édition décebre 1996 1 - LE GRAFCET 2 2 - RAPPEL des REGLES de BASE 3 2. 1 - Rèle d'alternance 3 2. 2 -

Plus en détail

Mécanique : Cinématique du point. Chapitre 1 : Position. Vitesse. Accélération

Mécanique : Cinématique du point. Chapitre 1 : Position. Vitesse. Accélération 2 e B et C 1 Position. Vitesse. Accélération 1 Mécanique : Cinéatique du point La écanique est le doaine de tout ce qui produit ou transet un ouveent, une force, une déforation : achines, oteurs, véhicules,

Plus en détail

Correction du «Brevet Blanc» de mathématiques Lundi 26 mars 2012

Correction du «Brevet Blanc» de mathématiques Lundi 26 mars 2012 orrection du «revet lanc» de athéatiques Lundi 26 ars 2012 TIVITÉS NUMÉRIQUES (12 points) Exercice 1 Pour chaque ligne du tableau ci-dessous, choisir et entourer la bonne réponse pari les trois proposées.

Plus en détail

Séminaire Francilien de Sûreté de Fonctionnement - 22 février 2013

Séminaire Francilien de Sûreté de Fonctionnement - 22 février 2013 Séinaire Francilien de Sûreté de Fonctionneent - 22 février 2013 Les défaillances de cause coune Doinique VASSEUR EDF R&D Claart Plan Introduction Quelques odèles possibles Les principes de l estiation

Plus en détail

LA DEMI-VIE EN RADIOACTIVITE. UN OUTIL POUR RESOUDRE DES PROBLEMES

LA DEMI-VIE EN RADIOACTIVITE. UN OUTIL POUR RESOUDRE DES PROBLEMES LA DEMI-VIE EN RADIOACTIVITE. UN OUTIL POUR RESOUDRE DES PROBLEMES Groupe Mathéatiques et Sciences Physiques au Lycée IREM de Toulouse Michèle Fauré, Pierre López, Monique Mandleur, Monique Sosset Rédacteur

Plus en détail

MÉTHODES DE CLASSIFICATION

MÉTHODES DE CLASSIFICATION MÉTHODES DE CLASSIFICATION Pierre-Louis GONZALEZ MÉTHODES DE CLASSIFICATION Objet Opérer des regroupements en classes homogènes d un ensemble d individus. Données Les données se présentent en général sous

Plus en détail

2.1 Comment fonctionne un site?

2.1 Comment fonctionne un site? Coent fonctionne un site? Dans ce chapitre, nous allons étudier la liste des logiciels nécessaires à la création d un site ainsi que les principes de base indispensables à son bon fonctionneent. 2.1 Coent

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

LES TYPOLOGIES DE PARCOURS METHODES ET USAGES. Yvette Grelet, Patrick Rousset CEREQ grelet@mrsh.unicaen.fr rousset@cereq.fr

LES TYPOLOGIES DE PARCOURS METHODES ET USAGES. Yvette Grelet, Patrick Rousset CEREQ grelet@mrsh.unicaen.fr rousset@cereq.fr LES TYPOLOGIES DE PARCOURS METHODES ET USAGES Yvette Grelet, Patrick Rousset CEREQ grelet@mrsh.unicaen.fr rousset@cereq.fr 1 PLAN Première partie : un exemple traité «en vraie grandeur» : les 26500 jeunes

Plus en détail

TP Bonus : Simulation de variables aléatoires

TP Bonus : Simulation de variables aléatoires IMIS : Master 1 Université Paris Est Marne la Vallée TP Bonus : Siulation de variables aléatoires 1. Siulation de lois Dans les applications, on a souvent besoin de générer de façon artificielle (à l aide

Plus en détail

Annexe commune aux séries ES, L et S : boîtes et quantiles

Annexe commune aux séries ES, L et S : boîtes et quantiles Annexe commune aux séries ES, L et S : boîtes et quantiles Quantiles En statistique, pour toute série numérique de données à valeurs dans un intervalle I, on définit la fonction quantile Q, de [,1] dans

Plus en détail

OBJECTIFS. I. A quoi sert un oscilloscope?

OBJECTIFS. I. A quoi sert un oscilloscope? OBJECTIFS Oscilloscope et générateur basse fréquence (G.B.F.) Siuler le fonctionneent et les réglages d'un oscilloscope Utiliser l oscilloscope pour esurer des tensions continues et alternatives Utiliser

Plus en détail

PHS1101 Mécanique pour ingénieurs

PHS1101 Mécanique pour ingénieurs PHS1101 écanique pour inénieurs Contrôle périodique 1 Hier 01 «Spécial Déénaeent» Question 1: k Déénaeent PHS1101 nc. 51-1-159 C Question 1: Dans les annonces publicitaires de Ford F150, on annonce fièreent

Plus en détail

La détérioration des termes de l échange 1 Bernard Conte 2002

La détérioration des termes de l échange 1 Bernard Conte 2002 La détérioration des teres de l échange des pays du Sud Bernard Conte el : conte@u-bordeau4.fr site web : http://conte.u-bordeau4.fr Les pays du Sud seraient inéluctableent frappés par la détérioration

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

THESE. Applications des algorithmes d'auto-organisation à la classification et à la prévision

THESE. Applications des algorithmes d'auto-organisation à la classification et à la prévision UNIVERSITE PARIS I PANTHEON SORBONNE U.F.R. DE MATHEMATIQUES et INFORMATIQUE Année 999 THESE Pour obtenir le grade de DOCTEUR DE L'UNIVERSITE PARIS I Discipline : Mathématiques Présentée et soutenue publiquement

Plus en détail

Ingénieur informatique

Ingénieur informatique Ingénieur inforatique Par la voie de l apprentissage F Perraud POLYTECH Lyon Directeur M P. Fournier Départeent Inforatique Responsable Me C. Gertosio 1 Plan de la présentation 1. Qui soes nous? 2. L apprentissage

Plus en détail

Le Data Mining au service du Scoring ou notation statistique des emprunteurs!

Le Data Mining au service du Scoring ou notation statistique des emprunteurs! France Le Data Mining au service du Scoring ou notation statistique des emprunteurs! Comme le rappelle la CNIL dans sa délibération n 88-083 du 5 Juillet 1988 portant adoption d une recommandation relative

Plus en détail

Applications linéaires

Applications linéaires Applications linéaires I) Applications linéaires - Généralités 1.1) Introduction L'idée d'application linéaire est intimement liée à celle d'espace vectoriel. Elle traduit la stabilité par combinaison

Plus en détail

Problème I : Microscope à force atomique

Problème I : Microscope à force atomique Problèe I : Microscope à force atoique Ces dernières années, de nouvelles techniques dites de "icroscopies à chap proche" se sont développées pour étudier les surfaces. Pari ces techniques, le icroscope

Plus en détail

GRAFCET. 1- Structure générale. CPGE / Sciences Industrielles pour l Ingénieur C60 Cours GRAFCET. Divergence en OU

GRAFCET. 1- Structure générale. CPGE / Sciences Industrielles pour l Ingénieur C60 Cours GRAFCET. Divergence en OU C60 GRAFCET 1- Structure générale Etape initiale : généraleent associée à une attente ou à une ise en réérence de la partie opérative Réceptivité : cobinaison d inorations reçues par la partie coande et

Plus en détail

ESTIMATION D UNE STRUCTURE PAR TERME DES TAUX D INTÉRÊT SUR DONNÉES FRANÇAISES

ESTIMATION D UNE STRUCTURE PAR TERME DES TAUX D INTÉRÊT SUR DONNÉES FRANÇAISES ESTIMATION D UNE STRUCTURE PAR TERME DES TAUX D INTÉRÊT SUR DONNÉES FRANÇAISES La structure par tere des taux d intérêt, à savoir la relation entre les durées des placeents et des eprunts et les taux d

Plus en détail

Organisation de la lecture de Un Noël noir et blanc

Organisation de la lecture de Un Noël noir et blanc Organisation de la lecture de Un Noël noir et blanc Séquence 1 : Découverte de l univers de l albu Étape 1. Découverte du tableau de Monet (lecture d'iage) par fragents. Étude du vocabulaire de la description.

Plus en détail

Etude salaires : le marketing s'en sort bien

Etude salaires : le marketing s'en sort bien Page 1/5 Etude salaires : le arketing s'en sort bien Public- le i:» 12 2013 pai ('ATI IF RI M; UFrRTFHISi Selon l'étude Maesina Marketing Search/Aon Hewitt, les arketers ont vu leur réunération progresser

Plus en détail

Principes et mise en œuvre

Principes et mise en œuvre A Principes et ise en œuvre 1 DÉFINITIONS ET MÉTHODES A 1.1 Définitions D après l Afnor (FD X 60-000), «la aintenance est l enseble de toutes les actions techniques, adinistratives et de anageent durant

Plus en détail

MATHÉMATIQUES ET SCIENCES HUMAINES

MATHÉMATIQUES ET SCIENCES HUMAINES MATHÉMATIQUES ET SCIENCES HUMAINES B. MARCHADIER Dépendance et indépendance de deux aléas numériques images Mathématiques et sciences humaines, tome 25 (1969), p. 2534.

Plus en détail

Fenêtres Moniteur et Montage

Fenêtres Moniteur et Montage Chapitre 4 Fenêtres Moniteur et Montage 4.1 Montage dans les fenêtres Moniteur et Montage...108 4.2 Utilisation de la fenêtre Moniteur...108 4.3 Espaces de travail de ontage...114 4.4 Utilisation de la

Plus en détail

CHAPITRE VI ALEAS. 6.1.Généralités.

CHAPITRE VI ALEAS. 6.1.Généralités. CHAPITRE VI ALEAS 6.1.Généralités. Lors de la synthèse des systèmes logique (combinatoires ou séquentiels), nous avons supposé, implicitement, qu une même variable secondaire avait toujours la même valeur

Plus en détail

IA54 Compte-rendu «STATIONNEMENT AUTOMATIQUE DE VEHICULE»

IA54 Compte-rendu «STATIONNEMENT AUTOMATIQUE DE VEHICULE» IA54 Compte-rendu «STATIONNEMENT AUTOMATIQUE DE VEHICULE» Henri Payno - Cyril Bailly 1/12/2011 SOMMAIRE 1. Introduction... 3 2. Contraintes... 3 3. Architecture globale... 4 4. Interface... 5 A. Scène

Plus en détail

Préparation à l agrégation 2012/2013. Mots clés : Graphes. Vecteur propre ; matrices stochastiques ; matrices à coefficients positifs.

Préparation à l agrégation 2012/2013. Mots clés : Graphes. Vecteur propre ; matrices stochastiques ; matrices à coefficients positifs. Mots clés : Graphes. Vecteur propre ; matrices stochastiques ; matrices à coefficients positifs. Le jury n exige pas une compréhension exhaustive du texte. Vous êtes laissé(e) libre d organiser votre discussion

Plus en détail

Travaux pratiques Informatique

Travaux pratiques Informatique Preière S Travaux pratiques Inforatique. Questions ouvertes - : Lieu de points - : Distance iniale - : Fonctions inconnues -4 : Médianes? -5 : Droites d un triangle -6 : S-TS banque exos /04-7 : Cercle

Plus en détail

Chapitre-1 Propagation d'une onde

Chapitre-1 Propagation d'une onde Chapitre- Propagation d'une onde.- Définition Lorsqu'une source éet un signal et crée une perturbation locale d'une grandeur physique, cette perturbation se transet de proche en proche constituant ainsi

Plus en détail

Coordination SAVARA - Présentation des labels - 201 4

Coordination SAVARA - Présentation des labels - 201 4 L a c h a rt e d e S A V A RA L e s l a b e l s S A V A RA A d h é re r a u ré s e a u L e c a h i e r d e s c h a rg e s 1 C h a rt e L e p ri n c i p e Le dynaise et le développeent rapide de la vie

Plus en détail

NOTIONS DE PROBABILITÉS

NOTIONS DE PROBABILITÉS NOTIONS DE PROBABILITÉS Sommaire 1. Expérience aléatoire... 1 2. Espace échantillonnal... 2 3. Événement... 2 4. Calcul des probabilités... 3 4.1. Ensemble fondamental... 3 4.2. Calcul de la probabilité...

Plus en détail

Mobilisation des ressources 45. Définition et composantes

Mobilisation des ressources 45. Définition et composantes vec l ouverture du Maroc sur l environnement international et sur les mécanismes et les enjeux planétaires du développement et de la coopération socioéconomique, ainsi qu avec le développement du mouvement

Plus en détail

Version française 2012. Code de bonnes pratiques pour la réalisation de forages

Version française 2012. Code de bonnes pratiques pour la réalisation de forages Rural Water Supply Network la réalisation de forages Version française 2012 Code de bonnes pratiques Résué La réalisation d ouvrages pérennes d exploitation d eau souterraine est fondaentale pour l accès

Plus en détail

La boite de vitesse a variation continue CVT

La boite de vitesse a variation continue CVT Epreuve de Sciences Industrielles pour l Inge nieur La boite de vitesse a variation continue CVT Durée : h. Calculatrices autorisées. Docuents interdits. Ce sujet coporte 9 pages. Présentation La boite

Plus en détail

L essai de Psy.D. (18 crédits) Définition et balises

L essai de Psy.D. (18 crédits) Définition et balises L essai de Psy.D. (18 crédits) Définition et balises politique adoptée par le CECS le 6 novembre 2002 Suite à l adoption par le Comité des études de cycles supérieurs en psychologie du projet de modification

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

Algorithmes de tri. 1 Introduction

Algorithmes de tri. 1 Introduction Algorithmes de tri L objectif de ce document est de présenter plusieurs algorithmes classiques de tri. On commence par présenter chaque méthode de manière intuitive, puis on détaille un exemple d exécution

Plus en détail

Support du cours de Probabilités IUT d Orléans, Département d informatique

Support du cours de Probabilités IUT d Orléans, Département d informatique Support du cours de Probabilités IUT d Orléans, Département d informatique Pierre Andreoletti IUT d Orléans Laboratoire MAPMO (Bât. de Mathématiques UFR Sciences) - Bureau 126 email: pierre.andreoletti@univ-orleans.fr

Plus en détail

Le programme de mathématiques Classes de première STI2D STL

Le programme de mathématiques Classes de première STI2D STL Journée de l inspection 15 avril 2011 - Lycée F. BUISSON 18 avril 2011 - Lycée J. ALGOUD 21 avril 2011 - Lycée L. ARMAND Le programme de mathématiques Classes de première STI2D STL Déroulement de la journée

Plus en détail

L indice des prix à la consommation

L indice des prix à la consommation L indice des prix à la consoation Base 2004 Direction générale Statistique et Inforation éconoique 2007 L indice des prix à la consoation Base 2004 = 100 La Direction générale Statistique et Inforation

Plus en détail

Chapitre 1: Introduction au calcul des probabilités, cas d un univers fini.

Chapitre 1: Introduction au calcul des probabilités, cas d un univers fini. Chapitre 1: Introduction au calcul des probabilités, cas d un univers fini. 1 Introduction Des actions comme lancer un dé, tirer une carte d un jeu, observer la durée de vie d une ampoule électrique, etc...sont

Plus en détail

SOCLE COMMUN - La Compétence 3 Les principaux éléments de mathématiques et la culture scientifique et technologique

SOCLE COMMUN - La Compétence 3 Les principaux éléments de mathématiques et la culture scientifique et technologique SOCLE COMMUN - La Compétence 3 Les principaux éléments de mathématiques et la culture scientifique et technologique DOMAINE P3.C3.D1. Pratiquer une démarche scientifique et technologique, résoudre des

Plus en détail

2. Formalisation ... Or les variables sont indépendantes. Donc si

2. Formalisation ... Or les variables sont indépendantes. Donc si L'estimation 1. Concrètement... Dernièrement un quotidien affichait en première page : en 30 ans les françaises ont grandi de... je ne sais plus exactement, disons 7,1 cm. C'est peut-être un peu moins

Plus en détail

Vecteurs.nb 1. Collège du Sud 1-ère année. Mathématiques. Vecteurs. Edition 2003/2004 - DELM

Vecteurs.nb 1. Collège du Sud 1-ère année. Mathématiques. Vecteurs. Edition 2003/2004 - DELM Vecteurs.nb 1 Collège du Sud 1-ère année Mathématiques Vecteurs Edition 00/004 - DELM Supports de cours de mathématiques de degré secondaire II, lien hypertexte vers la page mère http://www.deleze.name/marcel/sec/index.html

Plus en détail

Problème: si les tableaux que l'on trie sont déjà à peu près triés, l'algorithme n'est pas efficace.

Problème: si les tableaux que l'on trie sont déjà à peu près triés, l'algorithme n'est pas efficace. Traonmilin Yann traonmil@enst.fr MOD Algorithmique Probabiliste 1. Deux exemples 1.1. Quicksort randomisé. Dans l'algorithme de tri classique Quicksort, le pivot est choisi au début du tableau puis on

Plus en détail

Conduite CASAFLEX pour chauffage de proximité et à distance. La qualité pour assurer l avenir

Conduite CASAFLEX pour chauffage de proximité et à distance. La qualité pour assurer l avenir Conduite CASAFLEX pour chauffage de proxiité et à distance La qualité pour assurer l avenir U EA NOUV U EA Con ne opti cteur is é NOUV Conduite CASAFLEX pour chauffage de proxiité et à distance pour systèes

Plus en détail

La classification 2012-2013. Fabien Chevalier Jérôme Le Bellac

La classification 2012-2013. Fabien Chevalier Jérôme Le Bellac La classification 2012-2013 Fabien Chevalier Jérôme Le Bellac Introduction : Classification : méthode d analyse de données Objectif : Obtenir une représentation schématique simple d'un tableau de données

Plus en détail

Cours N4 - Saison 2011/2012. La dissolution des gaz : Mécanismes et facteurs favorisants.

Cours N4 - Saison 2011/2012. La dissolution des gaz : Mécanismes et facteurs favorisants. Cours N4 - Saison 2011/2012. 1 Plan du cours 1. Objectif / But 2. Rappels 3. La dissolution des gaz et les facteurs favorisants / La loi de Henry 4. Application à la saturation / désaturation 5. Conclusions

Plus en détail

Solution Examen final

Solution Examen final Solution Eaen inal Intellience Artiicielle II I-7587 Jeudi 29 avril 2004 De 8h30 à h20 en salles L-255 out docuent est peris. Le nobre de points accordés à chacune des questions est inscrit entre parenthèses.

Plus en détail

Équations et inéquations du 1 er degré

Équations et inéquations du 1 er degré Équations et inéquations du 1 er degré I. Équation 1/ Vocabulaire (rappels) Un équation se présente sous la forme d'une égalité constituée de nombres, de lettres et de symboles mathématiques. Par exemple

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

23. Interprétation clinique des mesures de l effet traitement

23. Interprétation clinique des mesures de l effet traitement 23. Interprétation clinique des mesures de l effet traitement 23.1. Critères de jugement binaires Plusieurs mesures (indices) sont utilisables pour quantifier l effet traitement lors de l utilisation d

Plus en détail

L analyse en composantes principales en pratique

L analyse en composantes principales en pratique L analyse en composantes principales en pratique Après avoir vu sa formalisation mathématique dans le module précédent, on s intéresse ici à l utilisation pratique de l ACP. 1 Objectifs L objectif de l

Plus en détail

I n t r o d u c t i o n Les étapes de la recherche à l a r e c h e r c h e

I n t r o d u c t i o n Les étapes de la recherche à l a r e c h e r c h e I n t r o d u c t i o n Les étapes de la recherche à l a r e c h e r c h e Les objectifs pédagogiques Savoir délimiter les trois phases distinctes de la recherche Savoir identifier, pour chacune des trois

Plus en détail

DA MOTA Anthony - Comparaison de technologies : PhoneGap VS Cordova

DA MOTA Anthony - Comparaison de technologies : PhoneGap VS Cordova DA MOTA Anthony - Comparaison de technologies : PhoneGap VS Cordova I. Introduction Dans une période où la plasticité peut aider à réduire les coûts de développement de projets comme des applications mobile,

Plus en détail

Utilisation de Mathenpoche en classe de BEPA Vente de produits frais

Utilisation de Mathenpoche en classe de BEPA Vente de produits frais Utilisation de en classe de BEPA Vente de produits frais Professeur de Mathématiques et de Sciences Physiques LEGTA Bel Air Fontenay-le-Comte (85) 1/16 Table des matières 1 Problématique...4 2...5 2.1

Plus en détail

t 100. = 8 ; le pourcentage de réduction est : 8 % 1 t Le pourcentage d'évolution (appelé aussi taux d'évolution) est le nombre :

t 100. = 8 ; le pourcentage de réduction est : 8 % 1 t Le pourcentage d'évolution (appelé aussi taux d'évolution) est le nombre : Terminale STSS 2 012 2 013 Pourcentages Synthèse 1) Définition : Calculer t % d'un nombre, c'est multiplier ce nombre par t 100. 2) Exemples de calcul : a) Calcul d un pourcentage : Un article coûtant

Plus en détail

Leçon N 4 : Statistiques à deux variables

Leçon N 4 : Statistiques à deux variables Leçon N 4 : Statistiques à deux variables En premier lieu, il te faut relire les cours de première sur les statistiques à une variable, il y a tout un langage à se remémorer : étude d un échantillon d

Plus en détail

2B La résolution de modèles linéaires par Excel 2010

2B La résolution de modèles linéaires par Excel 2010 2B La résolution de modèles linéaires par Excel 2010 Nous reprenons ici, de façon plus détaillée, la section où est indiqué comment utiliser le solveur d'excel 2010 pour résoudre un modèle linéaire (voir

Plus en détail

Analyse multidimensionnelle de données longitudinales

Analyse multidimensionnelle de données longitudinales Analyse multidimensionnelle de données longitudinales Ndèye Niang Conservatoire National des Arts et Métiers Plan Introduction Terminologie-Notations Méthodes directes Coefficient d association vectorielle

Plus en détail

INTRODUCTION. A- Modélisation et paramétrage : CHAPITRE I : MODÉLISATION. I. Paramétrage de la position d un solide : (S1) O O1 X

INTRODUCTION. A- Modélisation et paramétrage : CHAPITRE I : MODÉLISATION. I. Paramétrage de la position d un solide : (S1) O O1 X INTRODUCTION La conception d'un mécanisme en vue de sa réalisation industrielle comporte plusieurs étapes. Avant d'aboutir à la maquette numérique du produit définitif, il est nécessaire d'effectuer une

Plus en détail

Probabilité mathématique et distributions théoriques

Probabilité mathématique et distributions théoriques Probabilité mathématique et distributions théoriques 3 3.1 Notion de probabilité 3.1.1 classique de la probabilité s Une expérience ou une épreuve est dite aléatoire lorsqu on ne peut en prévoir exactement

Plus en détail

IUT STID, 1 ère année Découverte de logiciels statistiques Prise en main du logiciel SPAD

IUT STID, 1 ère année Découverte de logiciels statistiques Prise en main du logiciel SPAD Université de Perpignan - IUT de Carcassonne Vivien ROSSI Année 2006/2007 IUT STID, 1 ère année Découverte de logiciels statistiques Prise en main du logiciel SPAD Ce document est tiré du site : http ://www.stat.ucl.ac.be/ispersonnel/lecoutre/stats/spad/

Plus en détail

Épreuve de mathématiques Terminale ES 200 minutes

Épreuve de mathématiques Terminale ES 200 minutes Examen 2 Épreuve de mathématiques Terminale ES 200 minutes L usage de la calculatrice programmable est autorisé. La bonne présentation de la copie est de rigueur. Cet examen comporte 7 pages et 5 exercices.

Plus en détail

«Stratégies d investissement dans les obligations canadiennes et américaines»

«Stratégies d investissement dans les obligations canadiennes et américaines» Note «Stratégies d investisseent dans les obligations canadiennes et aéricaines» Nabil T. Khoury L'Actualité éconoique, vol. 53, n 1, 1977, p. 106-113. Pour citer cette note, utiliser l'inforation suivante

Plus en détail

DEPARTEMENT D ETUDES EUROPEENNES ECONOMIQUES

DEPARTEMENT D ETUDES EUROPEENNES ECONOMIQUES DEPARTEMENT D ETUDES EUROPEENNES ECONOMIQUES GUIDE DES ETUDIANTS Ce guide est destiné à vous introduire au fonctionnement du Collège et du Département d études économiques européennes, en présentant les

Plus en détail

Les calculatrices sont interdites

Les calculatrices sont interdites Les calculatrices sont interdites Ce sujet coporte deux problèes indépendants qui portent sur des thèes différents. Chaque problèe coporte plusieurs parties qui sont le plus souvent indépendantes les unes

Plus en détail

Chapitre 1 GRAPHIQUES

Chapitre 1 GRAPHIQUES Statistique appliquée à la gestion et au marketing http://foucart.thierry.free.fr/statpc Chapitre 1 GRAPHIQUES On entend souvent qu un schéma vaut mieux qu un long discours. Effectivement, lorsque l on

Plus en détail

Master Modélisation Statistique M2 Finance - chapitre 1. Gestion optimale de portefeuille, l approche de Markowitz

Master Modélisation Statistique M2 Finance - chapitre 1. Gestion optimale de portefeuille, l approche de Markowitz Master Modélisation Statistique M2 Finance - chapitre 1 Gestion optimale de portefeuille, l approche de Markowitz Clément Dombry, Laboratoire de Mathématiques de Besançon, Université de Franche-Comté.

Plus en détail

À propos des matrices échelonnées

À propos des matrices échelonnées À propos des matrices échelonnées Antoine Ducros appendice au cours de Géométrie affine et euclidienne dispensé à l Université Paris 6 Année universitaire 2011-2012 Introduction Soit k un corps, soit E

Plus en détail

La planification en cas d inaptitude. Vous avez le pouvoir d agir!

La planification en cas d inaptitude. Vous avez le pouvoir d agir! La planification en cas d inaptitude. Vous avez le pouvoir d agir! Août 2015 Jaie Golobek Directeur gestionnaire, Planification fiscale et successorale Services consultatifs de gestion de patrioine CIBC

Plus en détail

Fiche de présentation

Fiche de présentation 1 / 8 Découvrir le code 1 5P-6P Fiche de présentation Titre de l'activité Sous-titre Degré(s) concerné(s) Durée estimée Résumé Contexte d'utilisation de la calculatrice Contenus et compétences mathématiques

Plus en détail

Pourquoi créer un site Web?

Pourquoi créer un site Web? Créer mon site Web Vous avez une passion, un centre d'intérêt, un "hobbie", et vous souhaitez en parler, partager autour de ce sujet. Vous avez bien pensé à utiliser l'espace web pour faire connaître votre

Plus en détail

I. La compétence professionnelle au cœur des situations professionnelles. a. Définition de la compétence professionnelle

I. La compétence professionnelle au cœur des situations professionnelles. a. Définition de la compétence professionnelle Développer des compétences professionnelles du BTS Assistant de Manager en séance d Activités Professionnelles de Synthèse (APS) Par Elodie SERGENT (relecture Maguy Perea) Le BTS assistant de manager forme

Plus en détail

Convention entre : Le Syndicat intercommunal pour l'assainissement de la Région de Pontoise Et La Communauté d'agglomération de Cergy-Pontoise

Convention entre : Le Syndicat intercommunal pour l'assainissement de la Région de Pontoise Et La Communauté d'agglomération de Cergy-Pontoise ANNEXE A LA DELIBERATION DU CONSEIL DU 29 MARS 211 Convention entre : Le Syndicat intercounal pour l'assainisseent de la Région de Pontoise Et La Counauté d'aggloération de Cergy-Pontoise Etude en-vue

Plus en détail

Page 1/11. Préambule. Table des matières

Page 1/11. Préambule. Table des matières Page 1/11 Table des matières Préambule... 1 1- Le principe de «NuaFil»... 2 2 - Accueil de votre gestion de profil... 2 2-1 - La recherche de profils... 3 2-2- La liste de vos profils... 3 3 - Le référencement

Plus en détail

Evaluer des élèves de Seconde par compétences en Sciences Physiques

Evaluer des élèves de Seconde par compétences en Sciences Physiques Evaluer des élèves de Seconde par compétences en Sciences Physiques Introduction Depuis quelques années, le terme de «compétences» s installe peu à peu dans notre quotidien ; aussi bien dans la vie de

Plus en détail

Sites web propriétaires

Sites web propriétaires Ce document est disponible à : C:\Users\pc_samba\Documents\Doc sites prop.docx Sommaire 1 Introduction... 3 2 Création du mini-site... 4 2.1 Autorisation de création... 4 2.2 Création de votre site Web...

Plus en détail

Algorithmique et programmation. Cours d'algorithmique illustré par des exemples pour le picbasic

Algorithmique et programmation. Cours d'algorithmique illustré par des exemples pour le picbasic Algorithmique et programmation Cours d'algorithmique illustré par des exemples pour le picbasic Même s'il est possible d'écrire un programme petit à petit par touches successives, le résultat est souvent

Plus en détail

Analyse en Composantes Principales avec XLSTAT

Analyse en Composantes Principales avec XLSTAT Analyse en Composantes Principales avec XLSTAT Une feuille Excel contenant à la fois les données et les résultats peut-être téléchargée en cliquant ici. Les données proviennent du US Census Bureau (le

Plus en détail

Correction de l épreuve intermédiaire de mai 2009.

Correction de l épreuve intermédiaire de mai 2009. Licence de Gestion. 3ème Année Année universitaire 8-9 Optimisation Appliquée C. Léonard Correction de l épreuve intermédiaire de mai 9. Exercice 1 Avec les notations du cours démontrer que la solution

Plus en détail

(Document de 14 pages) Fabrice Douchant Xuan-Tuong Le. Nicolas Gibelin Lom Messan Hillah

(Document de 14 pages) Fabrice Douchant Xuan-Tuong Le. Nicolas Gibelin Lom Messan Hillah Master Informatique 2ème Année SAR Année 2007-2008 RAPPORT FINAL Livrable # 3 (Document de 14 pages) Participants Fabrice Douchant Xuan-Tuong Le Encadrants Nicolas Gibelin Lom Messan Hillah UFR 922 - Informatique

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

Potentiel de la géothermie de surface pour le chauffage et la climatisation en Tunisie

Potentiel de la géothermie de surface pour le chauffage et la climatisation en Tunisie Revue des Energies Renouvelables CICME 08 Sousse (008) 143 151 Potentiel de la géotherie de surface pour le chauffage et la cliatisation en Tunisie M.S. Guellouz * et G. Arfaoui Laboratoire d Etudes des

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

RÉSOLUTION DE SYSTÈMES À DEUX INCONNUES

RÉSOLUTION DE SYSTÈMES À DEUX INCONNUES RÉSOLUTION DE SYSTÈMES À DEUX INCONNUES Sommaire 1 Méthodes de résolution... 3 1.1. Méthode de Substitution... 3 1.2. Méthode des combinaisons linéaires... 6 La rubrique d'aide qui suit s'attardera aux

Plus en détail

G R E C A U Rapport sur le mémoire de thèse de doctorat ENSA de Toulouse, INSA, école doctorale MEGeP, Spécialité Génie Civil, En co-tutelle avec l'université de Laval, Québec, Canada présenté par Catherine

Plus en détail

Use Cases. Introduction

Use Cases. Introduction Use Cases Introduction Avant d aborder la définition et la conception des UC il est bon de positionner le concept du UC au sein du processus de développement. Le Processus de développement utilisé ici

Plus en détail

Machine de Turing. Informatique II Algorithmique 1

Machine de Turing. Informatique II Algorithmique 1 Machine de Turing Nous avons vu qu un programme peut être considéré comme la décomposition de la tâche à réaliser en une séquence d instructions élémentaires (manipulant des données élémentaires) compréhensibles

Plus en détail

Chapitre 1 Régime transitoire dans les systèmes physiques

Chapitre 1 Régime transitoire dans les systèmes physiques Chapitre 1 Régime transitoire dans les systèmes physiques Savoir-faire théoriques (T) : Écrire l équation différentielle associée à un système physique ; Faire apparaître la constante de temps ; Tracer

Plus en détail

MODELE D UN RAPPORT DE STAGE DE BAC PRO ELECTROTECHNIQUE

MODELE D UN RAPPORT DE STAGE DE BAC PRO ELECTROTECHNIQUE MODELE D UN RAPPORT DE STAGE DE BAC PRO ELECTROTECHNIQUE [Prénom Nom] Rapport sur le stage effectué du [date] au [date] Dans la Société : [NOM DE LA SOCIETE : Logo de la société] à [Ville] [Intitulé du

Plus en détail