Analyse Factorielle des Correspondances (AFC)
|
|
- Flore Bellefleur
- il y a 7 ans
- Total affichages :
Transcription
1 Analyse Factorielle des Correspondances (AFC) Jérôme Pagès (& François Husson) Laboratoire de mathématiques appliquées - Agrocampus Rennes husson@agrocampus-ouest.fr / 43
2 Analyse Factorielle des Correspondances (AFC) Données 2 Modèle d indépendance 3 Les nuages et leur ajustement 4 Pourcentages d inertie et inertie en AFC 5 Représentation simultanée des lignes et des colonnes 6 Aides à l interprétation 2 / 43
3 Analyse Factorielle des Correspondances (AFC) Données 2 Modèle d indépendance 3 Les nuages et leur ajustement 4 Pourcentages d inertie et inertie en AFC 5 Représentation simultanée des lignes et des colonnes 6 Aides à l interprétation 3 / 43
4 Tableau de correspondances Ensemble J Tableau de correspondances Ensemble I i j J x ij x ij : nombre d individus appartenant à l élément i de l ensemble I Nombre d individus appartenant à l élément i de l ensemble I à l élément j de l ensemble J à l élément x ij j de l ensemble J I Personnages de Mots Nombre de fois que le personnage Phèdre (Racine) Lignes Colonnes i a utilisé le mot xj ij Parfums Descripteur Nombre de fois où le parfum i a Personnages de Phèdre Mots Nombre de fois que le personnage i (Racine) été décrit a utilisé par le mot le mot j j Milieux Vins Espèces Mots Abondance Nombre de fois l espèce que le vin ij a été dans associé le milieu iau mot j = Exemples où le test d indépendance du χ 2 peut être appliqué Bureau de vote Candidat Nombre de voix obtenues par le candidat j dans le bureau de vote i 4 / 43
5 Données historiques Enquête du CREDOC (N. Tabard, 974) Etude de la liaison entre deux variables qualitatives 5 / 43
6 Données n individus et 2 variables qualitatives V V 2 Modalités de V 2 j J Individus l i j Modalités de V i n I n Distribution des n individus dans les I J cases du tableau 6 / 43
7 Du tableau de contingences au tableau de probabilités Modalités de V 2 Marge colonne (probabilité marginale) j J Σ f ij = x ij n Modalités de V i Marge ligne Σ (probabilité marginale) I f f ij f. j =. j f ij i= I f i. J = = f i. f ij j= Liaison entre V et V2 : écart entre les données observées et le modèle d indépendance 7 / 43
8 Analyse Factorielle des Correspondances (AFC) Données 2 Modèle d indépendance 3 Les nuages et leur ajustement 4 Pourcentages d inertie et inertie en AFC 5 Représentation simultanée des lignes et des colonnes 6 Aides à l interprétation 8 / 43
9 Liaisons et indépendance entre deux variables qualitatives Modèle d indépendance : Evènements indépendants : P(A et B) = P(A) P(B) Variables qualitatives indépendantes : i, j, f ij = f i. f.j Probabilité conjointe = produit des probabilités marginales Autres écritures : f ij f ij = f.j = f i. f i. f.j Probabilité conditionnelle = probabilité marginale 9 / 43
10 Liaisons entre deux variables qualitatives Ecart entre données obs (f ij ) et modèle d indépendance (f i. f.j ) Significativité de la liaison (de l écart) : test du χ 2 χ 2 obs = I J (eff. observé eff. théorique) 2 effectif théorique i= j= = I J (n f ij n f i. f.j ) 2 n f i. f.j i= j= χ 2 obs = I J n i= j= (probabilité observée probabilité théorique)2 probabilité théorique = n Φ 2 2 Intensite de la liaison = Φ 2 = écart entre probabilités théoriques et observées 3 Nature de la liaison = association entre modalités L AFC travaille sur le tableau des probabilités ne dit rien sur la significativité visualise la nature de la liaison entre les deux variables 0 / 43
11 Comment l AFC appréhende l écart à l indépendance? Analyse par lignes : f ij = f.j f i. Modalités de V 2 j J Σ Profil ligne i = distribution conditionnelle Modalités de V i I G I f f ij i. f.j L AFC compare les profils lignes au profil moyen Profil ligne moyen = distribution marginale Profil de l ensemble des individus étudiés Approche multidimensionnelle de l écart à l indépendance / 43
12 Comparaison du profil ligne au profil moyen rester au foyer trav. à mi-temps trav. à plein temps 2 conj. tr. également trav. mari + absorbant seul le mari travaille marge ligne rester au foyer trav. à mi-temps trav. à plein temps 2 conj. tr. également Trav. mari + absorb. seul le mari travail Marge ligne Les femmes qui répondent seul le mari travaille répondent-elles de façon particulière à la question sur l activité d une mère de famille? 2 / 43
13 Comment l AFC appréhende l écart à l indépendance? Analyse par colonnes : f ij f.j = f i. Modalités de V 2 j J G J Modalités de V i f ij f. j f i. I Σ Profil colonne j = distribution conditionnelle Profil colonne moyen = distribution marginale Profil de l ensemble des individus étudiés Comparaison des profils colonnes au profil moyen Approche multidimensionnelle de l écart à l indépendance 3 / 43
14 yer mps temps Comparaison du profil ligne au profil moyen 2 conj. tr. également Trav. mari + absorb. seul le mari travail rester trav. à trav. à marge au foyer mi-temps plein temps colonne Marge ligne 2 conj. tr. également trav. mari + absorbant seul le mari travaille conj. tr. également trav. mari + absorbant seul le mari travaille Les femmes qui répondent travailler à mi-temps répondent-elles de façon particulière à la question sur la famille idéale? 4 / 43
15 Analyse Factorielle des Correspondances (AFC) Données 2 Modèle d indépendance 3 Les nuages et leur ajustement 4 Pourcentages d inertie et inertie en AFC 5 Représentation simultanée des lignes et des colonnes 6 Aides à l interprétation 5 / 43
16 Le nuage des (profils) lignes J RI d χ 2 ( i, i' ) Modalités de V 2 j J Σ i i ( poids f i.) N I G I Modalités de V i f f ij i. I G I f. j f. j f i' j f i'. f f ij i. Modalité j de V 2 Distance entre deux profils : d 2 χ 2 (i, i ) = Distance au profil moyen G I : d 2 χ 2 (i, G I ) = J f j=.j J ( fij f i. f i j f j=.j f i. ( fij f i. f.j ) 2 ) 2 6 / 43
17 Le nuage des (profils) colonnes Modalités de V 2 j J G J J RI I d χ 2 ( j, j' ) G J j j ( poids f ). j Modalités i de V f ij f. j f i. I Σ fi. f ij' f. j' f f ij. j Modalité i de V Distance entre deux profils : d 2 χ 2 (j, j ) = Distance au profil moyen G J : d 2 χ 2 (j, G J ) = I f i= i. I ( fij f i= i. ) 2 f ij f.j f.j ( fij f i. f.j ) 2 7 / 43
18 Que se passe-t-il s il y a indépendance? Pour tout i, f ij f i. = f.j les profils sont confondus avec le profil moyen N I réduit à G I L inertie du nuage est nulle RI J i N I G I f. j f f ij i. Modalité j de V 2 Idem pour les colonnes : pour tout j, f ij f.j = f i / 43
19 Ecart à l indépendance et inertie Plus les données s écartent de l indépendance et plus les profils s écartent de l origine I I Inertie(N I /G I ) = Inertie(i/G I ) = f i. dχ 2 2 (i, G I ) = = i= I J f i. f i= j=.j I J i= j= φ 2 mesure l intensité de la liaison ( fij f i. f.j (f ij f i. f.j ) 2 f i. f.j i= ) 2 = χ2 n = φ2 Etudier l inertie de N I revient à étudier l écart à l indépendance Idem pour N J : Inertie(N J /G J ) = Inertie(N I /G I ) (dualité) 9 / 43
20 Représentation du nuage des lignes (ou des colonnes) Décomposition de l inertie de N I par analyse factorielle Projection de N I sur une suite d axes orthogonaux d inertie maximum RI J M i u N I O = G I H i projection de M i sur P u 2 P I Trouver P tel que f i. (OH i ) 2 est maximum i= u axe d inertie maximum u 2 axe d inertie maximum avec u 2 u Inertie associée à l axe s : I f i. (OHi s )2 = λ s i= 20 / 43
21 Règles d interprétation sur l exemple Dim 2 (3.7%) conj. tr. également rester au foyer trav. plein temps seul le mari trav. trav. mi-temps trav. mari + absorbant er axe : attitude à l égard du travail féminin (lignes et colonnes) Dualité Dim (86.29%) rester trav. à trav. à O = G J au foyer mi-temps plein temps 2 conj. tr. également trav. mari + absorbant seul le mari travaille / 43
22 Analyse Factorielle des Correspondances (AFC) Données 2 Modèle d indépendance 3 Les nuages et leur ajustement 4 Pourcentages d inertie et inertie en AFC 5 Représentation simultanée des lignes et des colonnes 6 Aides à l interprétation 22 / 43
23 Pourcentages d inertie Qualité de représentation de N I par l axe de rang s I ( ) inertie projetée de N I sur u s i= = f i. OH s 2 i inertie totale de N = λ s Pourcentages d inertie (comme I dans toute analyse I i= f i. (OM i ) 2 K factorielle). La qualité de représentation est mesurée par le rapport : inertie projetée/inertie i=k λ k totale 2. Les inerties projetées s additionnent d un axe à l autre (axes orthogonaux) Inertie Inertie (%) F La décroissance des inerties (en fonction du Ecart rang s) suggère à l indépendance le nombre d axes bien à conserver résumé F2 par le premier axe (86 %) vins blancs de Loire décrits par 30 mots Somme j 30 2 Inerties projetées s additionnent d un axe à l autre (axes orthogonaux) K k= λ k = Inertie (N I ) = Φ 2 Ici nφ 2 = i = χ 2 x = La décroissance desx ij inerties : nombre suggère de fois quele nombre d axes à conserver le mot j a été associé au vin i. N axe Val. propre % % cumulé x ij Proba. critique = 0 49 % d'inertie AFC sur 0 vins blancs de Loire décrits par 30 mots Rang de l'axe 23 / 43
24 Inerties (= valeurs propres). Inerties (= valeurs propres). Très particulières en AFC. En AFC 0 λ s En AFC : 0 λ s En ACP λ En ACP (normée) : λ s A quelle structure des données correspond le maximum? A quelle structure correspond une valeur propre de? J J 2 λ s = I I J I J 2 I 2 Axe s Partition en deux classes des lignes et des colonnes Association exclusive des classes Partition en deux classes des lignes des colonnes Associations exclusives des classes 24 / 43
25 Données Données : reconnaissance : reconnaissance de trois de trois saveurs saveurs (sucré, (sucré, acide, acide, amer) amer) Pour Pour chaque chaque saveur, Inerties saveur, on a on demandé (= a demandé valeurs à dix à personnes propres) dix personnes de reconnaître de reconnaître la saveur la saveur d une d une solution solution qui leur qui était leur était présentée. présentée. Données : reconnaissance de trois saveurs (sucré, acide, amer) Pour chaque saveur, on a demandé à dix personnes de reconnaître la saveur d une solution qui leur était présentée Perçu Perçu Perçu Perçu Perçu Perçu sucré sucré acide acide amer amer Sucré Sucré Acide Acide Amer Amer AFC AFCV. Propre V. Propre % % Axe Axe 72,727 72,727 Axe 2 Axe 20,375 0,375 27,273 27,273 Somme Somme,375, Perçu Perçu Perçu Perçu Perçu Perçu sucré sucré acide acide amer amer Sucré Sucré Acide Acide Amer Amer AFC AFC V. Propre V. Propre % % Axe Axe Axe 2 Axe 20,042 0, Somme Somme,042, Dim 2 (27.27%) Dim 2 (27.27%) Perçu.amer Perçu.amer Amer Amer Perçu.sucré Perçu.sucré Sucré Sucré Perçu.acide Perçu.acide Acide Acide Dim 2 (4.00%) Perçu.amer Perçu.amer Amer Amer Sucré Sucré Perçu.sucré Perçu.sucré Acide Acide Perçu.acide Perçu.acide Dim 2 (4.00%) Dim (72.73%) Dim (72.73%) Dim (96.00%) Dim (96.00%) 25 / 43
26 Inerties (= valeurs propres) Inertie Inertie (%) F F Somme λ = 0.7 on est loin d une association exclusive entre une ligne et une colonne Φ 2 = on est loin d une liaison parfaite, i.e. d une association exclusive entre les modalités des deux variables 26 / 43
27 Analyse Factorielle des Correspondances (AFC) Données 2 Modèle d indépendance 3 Les nuages et leur ajustement 4 Pourcentages d inertie et inertie en AFC 5 Représentation simultanée des lignes et des colonnes 6 Aides à l interprétation 27 / 43
28 Représentation simultanée des lignes et colonnes Relation de transition = propriétés barycentriques F s (i) = λs J f ij f i. G s (j) j= }{{} F s(i) : coord. de la ligne i sur l axe de rang s f ij : jème élément du profil i f i. G s(j) : coord. de la colonne j sur l axe de rang s λ s : inertie associée à l axe s (en AFC λ s ) Le long de l axe de rang s, on calcule le barycentre de toutes les colonnes, chaque colonne j étant affectée du poids f ij /f i. Le barycentre est ensuite d autant plus écarté de l origine que λ s est petit : / λ s G s (j) = λs I i= f ij f.j F s (i) 28 / 43
29 tation simultanée u Perçu e amer Représentation f simultanée et inertie ij Gs ( j) = Fs ( i) λ i f s. j G s (j) = λs Perçu Perçu Perçu sucré acide amer Sucré Acide 0 9 Amer Inerties et représentation simultanée I f ij F s (i) f.j i= Perçu Perçu Perçu sucré acide amer Sucré Acide Amer Sucré Acide Amer % AFC V. Propre % Axe 72,727 Axe 2 0,375 27,273 Somme, AFC V. Propre % Axe 96 Axe 2 0,042 4 Somme, AFC Axe Axe 2 Somm Sucré çu.sucré Dim 2 (27.27%) Perçu.amer Amer Perçu.acide Acide Perçu.sucré Sucré Dim 2 (4.00%) Perçu.amer Amer Acide Perçu.acide Sucré Perçu.sucré Dim 2 (27.27%) Perç Ame Perç Acide Dim (72.73%) Dim (96.00%) / 43
30 u Perçu Perçu ré acide amer amer ( ) 5/8 5 8 = f f 33.3.acide 3/83 8 = f f ( ) Représentation simultanée et inertie Perçu.amer G s (j) = λs ( ) Amer 7 8 = f f 33 Perçu Perçu Perçu sucré acide amer Sucré Acide 0 9 Amer Perçu.acide 4.9 Acide /8 42 = 8 = f23 f = =. 6 λ ( ).3 I i= f ij f.j F s (i) Perçu Perçu Perçu sucré acide amer Sucré Acide Amer = λ 2 Perçu.amer ( ) Amer 5/8 5 8 = f f 33 Perçu.acide Acide 3/83 8 = f f = ( ) Perçu Amer Sucré Acide Amer Perçu Acide = λ / 43
31 Propriété barycentrique Dim 2 (3.7%) conj. tr. également rester au foyer 26,54 seul le mari trav. 63, trav. mi-temps trav. mari + absorbant trav. plein temps 0, Dim (86.29%) rester au foyer trav. à mi-temps trav. à plein temps Σ 2 conj. tr. également trav. mari + absorbant seul le mari travaille O = G I / 43
32 Propriété barycentrique Dim 2 (3.7%) conj. tr. également rester au foyer trav. plein temps seul le mari trav. trav. mi-temps trav. mari + absorbant Dim (86.29%) Le er axe classe les modalités (des deux questions) depuis la plus défavorable au travail féminin jusqu à la plus favorable 4 32 / 43
33 Retour aux données Pourquoi rester au foyer est plus défavorable à l égard du travail féminin que seul le mari travaille? Dans R I, d 2 χ 2 (rester au foyer, G J ) = 0.46 Dans R J, d 2 χ 2 (seul le mari travaille, G I ) = / 43
34 Analyse Factorielle des Correspondances (AFC) Données 2 Modèle d indépendance 3 Les nuages et leur ajustement 4 Pourcentages d inertie et inertie en AFC 5 Représentation simultanée des lignes et des colonnes 6 Aides à l interprétation 34 / 43
35 Aides à l interprétation : qualité de représentation Indicateur de qualité de représentation d un point (idem nuage) : inertie projetée de M i sur u s inertie totale de M i = f i.(oh s i )2 f i. (OM i ) 2 = cos2 ( OM i, u s ) N I RI O = G I J M i s H i u s vecteur unitaire de l axe de rang s projection de M i sur u s Indicateur montre dans quelle mesure l écart d un profil au profil moyen est complètement représenté par l axe (ou par un plan) 35 / 43
36 Axe Axe 2 Données Acide Modèle0 d indépendance 9 Les nuages Inertie Représentation Sucré simultanée Sucré Aides à0.000 l interprétation Amer Perçu.sucré Sucré Acide Acide AFC V. Propre % Amer Axe 72,727 Amer Qualité de représentation Perçu.acide : exemple Axe 2 0,375 27,273 Perçu.sucré Somme, Acide Perçu.acide Perçu.acide Perçu.amer Dim 2 (27.27% Dim (72.73%) Perçu.amer Perçu Perçu Perçu sucré acide amer Sucré Acide Amer Dim 2 (4.00%) Perçu.amer Amer Acide Perçu.acide AFC V. Propre % Axe 96 Axe 2 0,042 4 Somme, Dim (96.00%) Sucré Perçu.sucré Qualité de représentation Qualité de (cos²) représentation (cosinus²) Axe Axe2 Axe Axe 2 Sucré Sucré Acide Acide Amer Amer Perçu.sucré Perçu.acide Perçu.amer Perçu.amer Interprétation des graphes basée sur points remarquables ayant une bonne qualité de représentation 36 / 43
37 Aides à l interprétation : contribution Indicateur brut : inertie projetée de M i sur u s = f i. (OH s i )2 Indicateur relatif : inertie proj. de M i sur u s inertie de l axe s = f i.(oh s i )2 λ s On peut additionner les contributions de plusieurs éléments Elles indiquent dans quelle mesure on peut considérer qu un axe est dû à un élément ou à quelques éléments Compromis opérationnel entre distance à l origine et poids Utiles pour les grands tableaux pour sélectionner un sous-ensemble d éléments au début de l interprétation (conjointement à la qualité de représentation) 37 / 43
38 Contributions : exemple Contribution : exemple X X2 X3 X4 a 0 0 b c d 0 0 Dim 2 (.54%) a X b d Inertie % Axe Axe Axe X4 Axe Axe2 a X2 X3 c b c d Σ Dim (83.50%) Les points extrêmes ne sont pas nécessairement ceux qui contribuent le plus à la construction des axes / 43
39 Equivalence distributionnelle Equivalence distributionnelle : si plusieurs lignes ayant le même profil sont regroupées en une seule, les résultats de l AFC sont strictement équivalents (idem pour le regroupement de colonnes) Application en analyse textuelle : Grâce à l équivalence distributionnelle, si 2 mots (ou plus) sont employés dans les mêmes circonstances, leurs coordonnées sont proches et faire l analyse avec les deux termes ou avec un terme unique qui regroupe ces deux notions est strictement équivalent notion très utile (regroupement des singuliers et pluriels, des conjugaisons des verbes, etc.) 39 / 43
40 Nombre maximum d axes et V de Cramer Nuage des lignes : I points dans un espace à J dimensions J dim. mais contrainte (profils) S J I points évoluent dans au plus I dim. S I = Φ 2 = min(i,j ) k= λ k min(i, J ) d où l idée d un indicateur borné de la liaison entre 2 variables : V de Cramer = Φ 2 [0; ] min(i, J ) } S min(i, J ) Travail féminin V = 0.35/2 = AFC V. Propre % Axe 0,7 86,292 Axe 2 0,09 3,708 Somme 0,35 00 Trois saveurs V =.375/2 = AFC V. Propre % Axe 72,727 Axe 2 0,375 27,273 Somme, Trois saveurs V =.042/2 = 0.52 AFC V. Propre % Axe 96 Axe 2 0,042 4 Somme, / 43
41 Bilan sur l exemple Dim 2 (3.7%) conj. tr. également rester au foyer trav. plein temps seul le mari trav. trav. mi-temps trav. mari + absorbant Dim (86.29%) L AFC apporte une visualisation synthétique de l écart à l indépendance qui aide la compréhension du tableau (a fortiori avec de grands tableaux) Sur ces données L essentiel de l écart à l indépendance est structuré par l attitude à l égard du travail féminin La position des modalités le long de l échelle d attitude éclaire leur signification Exemple : la proximité de travailler à mi-temps avec le profil moyen suggère que cette modalité est «neutre», à la différence de l autre modalité moyenne (plutôt favorable au travail féminin) 4 / 43
42 Conclusion Pour étudier la liaison entre deux variables qualitatives, on construit un tableau de contingence Cette liaison réside dans l écart entre le tableau de contingence et le modèle d indépendance L analyse des correspondances : construit un nuage des lignes (et un nuage des colonnes) dont l inertie totale mesure l intensité de l écart à l indépendance décompose cette inertie totale sur une suite d axes d importance décroisante représentant chacun un aspect synthétique de la liaison entre les deux variables fournit une représentation des lignes et des colonnes dans laquelle la position d un point reflète sa participation à l écart à l indépendance 42 / 43
43 Bibliographie Pour approfondir l analyse des correspondances dans le même esprit que cette vidéo : Escofier B. & Pagès J. (2008) Analyses factorielles simples et multiples ; objectifs, méthodes et interprétation. 4e édition. 38 p., Dunod, Paris. Husson F., Lê S. & Pagès J. (2009) Analyse des données avec R. 224 p., Presses Universitaires de Rennes. 43 / 43
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 détailBac Blanc Terminale ES - Février 2011 Épreuve de Mathématiques (durée 3 heures)
Bac Blanc Terminale ES - Février 2011 Épreuve de Mathématiques (durée 3 heures) Eercice 1 (5 points) pour les candidats n ayant pas choisi la spécialité MATH Le tableau suivant donne l évolution du chiffre
Plus en détailAnalyse des correspondances avec colonne de référence
ADE-4 Analyse des correspondances avec colonne de référence Résumé Quand une table de contingence contient une colonne de poids très élevé, cette colonne peut servir de point de référence. La distribution
Plus en détailINTRODUCTION 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 détailExtraction 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 détailDéroulement d un projet en DATA MINING, préparation et analyse des données. Walid AYADI
1 Déroulement d un projet en DATA MINING, préparation et analyse des données Walid AYADI 2 Les étapes d un projet Choix du sujet - Définition des objectifs Inventaire des données existantes Collecte, nettoyage
Plus en détailAnalyse 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 détailChapitre 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 détailProgrammation linéaire
1 Programmation linéaire 1. Le problème, un exemple. 2. Le cas b = 0 3. Théorème de dualité 4. L algorithme du simplexe 5. Problèmes équivalents 6. Complexité de l Algorithme 2 Position du problème Soit
Plus en détailStatistique : Résumé de cours et méthodes
Statistique : Résumé de cours et méthodes 1 Vocabulaire : Population : c est l ensemble étudié. Individu : c est un élément de la population. Effectif total : c est le nombre total d individus. Caractère
Plus en détailStatistique Descriptive Multidimensionnelle. (pour les nuls)
Publications de l Institut de Mathématiques de Toulouse Statistique Descriptive Multidimensionnelle (pour les nuls) (version de mai 2010) Alain Baccini Institut de Mathématiques de Toulouse UMR CNRS 5219
Plus en détailLE TABLEAU DE BORD DE SUIVI DE L ACTIVITE
TABLEAU DE BORD LE TABLEAU DE BORD DE SUIVI DE L ACTIVITE DEFINITION Le tableau de bord est un support (papier ou informatique) qui sert à collecter de manière régulière des informations permettant de
Plus en détail1 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 détailLogiciel 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 détailL ANALYSE DU «PARC SOCIAL DE FAIT» PARISIEN EN 2003 : UNE ANALYSE TERRITORIALISÉE DES PROFILS D OCCUPATION DES PARCS ET DES QUARTIERS
ATELIER PARISIEN D URBANISME - 17, BD MORLAND 75004 PARIS TÉL : 01 42 71 28 14 FAX : 01 42 76 24 05 http://www.apur.org Observatoire de l'habitat de Paris L ANALYSE DU «PARC SOCIAL DE FAIT» PARISIEN EN
Plus en détailChapitre 6 Test de comparaison de pourcentages χ². José LABARERE
UE4 : Biostatistiques Chapitre 6 Test de comparaison de pourcentages χ² José LABARERE Année universitaire 2010/2011 Université Joseph Fourier de Grenoble - Tous droits réservés. Plan I. Nature des variables
Plus en détailPRIX DE VENTE À L EXPORTATION GESTION ET STRATÉGIES
PRIX DE VENTE À L EXPORTATION GESTION ET STRATÉGIES Direction du développement des entreprises et des affaires Préparé par Jacques Villeneuve, c.a. Conseiller en gestion Publié par la Direction des communications
Plus en détailAssociations Dossiers pratiques
Associations Dossiers pratiques Optimisez la gestion financière de votre association (Dossier réalisé par Laurent Simo, In Extenso Rhône Alpes) Les associations vivent et se développent dans un contexte
Plus en détailIntroduction. Préambule. Le contexte
Préambule... INTRODUCTION... BREF HISTORIQUE DE L ACP... 4 DOMAINE D'APPLICATION... 5 INTERPRETATIONS GEOMETRIQUES... 6 a - Pour les n individus... 6 b - Pour les p variables... 7 c - Notion d éléments
Plus en détailACP 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 détailt 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 détailCréer le schéma relationnel d une base de données ACCESS
Utilisation du SGBD ACCESS Polycopié réalisé par Chihab Hanachi et Jean-Marc Thévenin Créer le schéma relationnel d une base de données ACCESS GENERALITES SUR ACCESS... 1 A PROPOS DE L UTILISATION D ACCESS...
Plus en détailCompression Compression par dictionnaires
Compression Compression par dictionnaires E. Jeandel Emmanuel.Jeandel at lif.univ-mrs.fr E. Jeandel, Lif CompressionCompression par dictionnaires 1/25 Compression par dictionnaire Principe : Avoir une
Plus en détailFORMATION CONTINUE SUR L UTILISATION D EXCEL DANS L ENSEIGNEMENT Expérience de l E.N.S de Tétouan (Maroc)
87 FORMATION CONTINUE SUR L UTILISATION D EXCEL DANS L ENSEIGNEMENT Expérience de l E.N.S de Tétouan (Maroc) Dans le cadre de la réforme pédagogique et de l intérêt que porte le Ministère de l Éducation
Plus en détailIntroduction à l approche bootstrap
Introduction à l approche bootstrap Irène Buvat U494 INSERM buvat@imedjussieufr 25 septembre 2000 Introduction à l approche bootstrap - Irène Buvat - 21/9/00-1 Plan du cours Qu est-ce que le bootstrap?
Plus en détail1. Les comptes de dépôt et d épargne
1. Les comptes de dépôt et d épargne 1.1 Les comptes de dépôt 1.1.1 Le taux de possession d un compte de dépôt Le premier constat est celui d un accès important aux comptes de dépôt, quelle que soit la
Plus en détailUne implantation nationale Grâce à un réseau de 3 agences (Caen, Tours, Lyon), vous bénéficiez ou conservez un interlocuteur de proximité.
Logiciel de Gestion DL NÉGOCE Le spécialiste du Négoce Une expérience de plus 20 ans DL NÉGOCE, forte d une expérience de plus de 20 ans (issue des sociétés historiques du groupe), a conçu et développé
Plus en détailBaccalauréat S Antilles-Guyane 11 septembre 2014 Corrigé
Baccalauréat S ntilles-guyane 11 septembre 14 Corrigé EXERCICE 1 6 points Commun à tous les candidats Une entreprise de jouets en peluche souhaite commercialiser un nouveau produit et à cette fin, effectue
Plus en détailECOLE DES HAUTES ETUDES COMMERCIALES CORRIGÉ TYPE DE L EXAMEN
ECOLE DES HAUTES ETUDES COMMERCIALES Module : Marketing Fondamental Niveau : 1 ère Année Master Enseignant : KHERRI Abdenacer Date : 13/04/2015 Site web : www.mf-ehec.jimdo.com Durée : 1 heure 30 minutes
Plus en détailMémo d utilisation de ADE-4
Mémo d utilisation de ADE-4 Jérôme Mathieu http://www.jerome.mathieu.freesurf.fr 2003 ADE-4 est un logiciel d analyses des communautés écologiques créé par l équipe de biostatistiques de Lyon. Il propose
Plus en détailUNE EXPERIENCE, EN COURS PREPARATOIRE, POUR FAIRE ORGANISER DE L INFORMATION EN TABLEAU
Odile VERBAERE UNE EXPERIENCE, EN COURS PREPARATOIRE, POUR FAIRE ORGANISER DE L INFORMATION EN TABLEAU Résumé : Cet article présente une réflexion sur une activité de construction de tableau, y compris
Plus en détailLocalisation des fonctions
MODALISA 7 Localisation des fonctions Vous trouverez dans ce document la position des principales fonctions ventilées selon l organisation de Modalisa en onglets. Sommaire A. Fonctions communes à tous
Plus en détailLa classification automatique de données quantitatives
La classification automatique de données quantitatives 1 Introduction Parmi les méthodes de statistique exploratoire multidimensionnelle, dont l objectif est d extraire d une masse de données des informations
Plus en détailLes quatre chantiers :
Tweet Voir aussi : Les programmes de performance, La méthode Kaizen, Le Lean en 10 points. Le Lean est une démarche systématique dont l'objectif est d'éliminer toutes les sources de gaspillages dans les
Plus en détailAssociations Dossiers pratiques
Associations Dossiers pratiques Le tableau de bord, outil de pilotage de l association (Dossier réalisé par Laurent Simo, In Extenso Rhône-Alpes) Difficile d imaginer la conduite d un bateau sans boussole
Plus en détailD où que vous soyez, accédez à la gestion de votre entreprise
Les principaux atouts de la solution : Fonctionnement en mode Web pour un accès sécurisé d où que vous soyez (https) ou local Productivité optimisée notamment en saisie (pas d utilisation de la souris
Plus en détailAnnexe 1 au règlement Sporttip
Annexe 1 au règlement Sporttip Sporttip Set est l un des différents types de participation proposés par la Loterie Romande. Il s agit pour le participant de pronostiquer l issue, respectivement le résultat
Plus en détailLes Français et le chauffage. Résultats de l étude menée
Les Français et le chauffage Résultats de l étude menée par IPSOS pour Via sèva Méthodologie et échantillon METHODOLOGIE : Cette étude a été réalisée en adhoc online, auprès d un échantillon issu de l
Plus en détailESSEC. Cours «Management bancaire» Séance 3 Le risque de crédit Le scoring
ESSEC Cours «Management bancaire» Séance 3 Le risque de crédit Le scoring Les méthodes d évaluation du risque de crédit pour les PME et les ménages Caractéristiques Comme les montants des crédits et des
Plus en détailGUIDE PRATIQUE. Du provisionnement des emprunts à risques
Ministère de l Égalité des territoires et du Logement Ministère de l Économie et des Finances GUIDE PRATIQUE Du provisionnement des emprunts à risques Application aux Offices Publics de l Habitat à comptabilité
Plus en détailSUPERTOTO TERMES & CONDITIONS. Table des Matières
SUPERTOTO TERMES & CONDITIONS Table des Matières 1. Général 2. Coupons 3. Décisions 4. Paiements 5. Validation des Résultats 6. Contestations 7. Divers 8. Clause de non-responsabilité 1. Général 1.1 Définitions
Plus en détailTemps forts départementaux. Le calcul au cycle 2 Technique opératoire La soustraction
Temps forts départementaux Le calcul au cycle 2 Technique opératoire La soustraction Calcul au cycle 2 La soustraction fait partie du champ opératoire additif D un point de vue strictement mathématique,
Plus en détailEvaluation de la typicité des vins liés au terroir : proposition de méthodes pour les professionnels de la filière
Evaluation de la typicité des vins liés au terroir : proposition de méthodes pour les professionnels de la filière Ronan SYMONEAUX, Isabelle MAITRE, Frédérique JOURJON UMT VINITERA- Laboratoire GRAPPE
Plus en détailRelation entre deux variables : estimation de la corrélation linéaire
CHAPITRE 3 Relation entre deux variables : estimation de la corrélation linéaire Parmi les analyses statistiques descriptives, l une d entre elles est particulièrement utilisée pour mettre en évidence
Plus en détailmajuscu lettres accent voyelles paragraphe L orthographe verbe >>>, mémoire préfixe et son enseignement singulier usage écrire temps copier mot
majuscu conjugaison >>>, L orthographe singulier syllabe virgule mémoire lettres et son enseignement graphie suffixe usage accent ; écrire féminin temps voyelles mot point Renforcer l enseignement de l
Plus en détailI. Polynômes de Tchebychev
Première épreuve CCP filière MP I. Polynômes de Tchebychev ( ) 1.a) Tout réel θ vérifie cos(nθ) = Re ((cos θ + i sin θ) n ) = Re Cn k (cos θ) n k i k (sin θ) k Or i k est réel quand k est pair et imaginaire
Plus en détailCOMPTABILITÉ DE GESTION
COMPTABILITÉ DE GESTION Direction du développement des entreprises Préparé par Jacques Villeneuve c.a. Conseiller en gestion Publié par la Direction des communications : septembre 1997 Réédité par la Direction
Plus en détailQuelles sont les principales formules utiles pour l étude de cas de vente?
Quelles sont les principales formules utiles pour l étude de cas de vente? Approvisionnement et gestion des stocks : des quantités vendues dans un Du stock initial, final et des livraisons, des commandes
Plus en détailFORMULAIRE DE STATISTIQUES
FORMULAIRE DE STATISTIQUES I. STATISTIQUES DESCRIPTIVES Moyenne arithmétique Remarque: population: m xμ; échantillon: Mx 1 Somme des carrés des écarts "# FR MOYENNE(série) MOYENNE(série) NL GEMIDDELDE(série)
Plus en détailStatistiques Descriptives à une dimension
I. Introduction et Définitions 1. Introduction La statistique est une science qui a pour objectif de recueillir et de traiter les informations, souvent en très grand nombre. Elle regroupe l ensemble des
Plus en détailCours d analyse numérique SMI-S4
ours d analyse numérique SMI-S4 Introduction L objet de l analyse numérique est de concevoir et d étudier des méthodes de résolution de certains problèmes mathématiques, en général issus de problèmes réels,
Plus en détailÉclairage naturel L5C 2009/2010. Aurore BONNET
Éclairage naturel L5C 2009/2010 Aurore BONNET Introduction : Les 2 aspects de l éclairage naturel : Introduction : Les 2 aspects de l éclairage naturel : l ensoleillement et l éclairage diffus L ENSOLEILLEMENT
Plus en détailGestion des Clés Publiques (PKI)
Chapitre 3 Gestion des Clés Publiques (PKI) L infrastructure de gestion de clés publiques (PKI : Public Key Infrastructure) représente l ensemble des moyens matériels et logiciels assurant la gestion des
Plus en détailDurée de L épreuve : 2 heures. Barème : Exercice n 4 : 1 ) 1 point 2 ) 2 points 3 ) 1 point
03 Mai 2013 Collège Oasis Durée de L épreuve : 2 heures. apple Le sujet comporte 4 pages et est présenté en livret ; apple La calculatrice est autorisée ; apple 4 points sont attribués à la qualité de
Plus en détailFORMULES DE CALCUL. Prix = PV TTC = PV HT x (1 + taux de TVA) TVA = PV HT x taux de TVA PV HT = PV TTC 1 + taux de TVA
FORMULES DE CALCUL Le prix : Prix = PV TTC = PV HT x (1 + taux de TVA) TVA = PV HT x taux de TVA PV HT = PV TTC 1 + taux de TVA Ex : PV TTC = 250 x 1,196 = 299. TVA = 250 x 19,6 % = 49. PV HT = 299 = 250.
Plus en détailExcel Avancé. Plan. Outils de résolution. Interactivité dans les feuilles. Outils de simulation. La valeur cible Le solveur
Excel Avancé Plan Outils de résolution La valeur cible Le solveur Interactivité dans les feuilles Fonctions de recherche (ex: RechercheV) Utilisation de la barre d outils «Formulaires» Outils de simulation
Plus en détailAnalyses 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 détailÉtude des résultats des investisseurs particuliers sur le trading de CFD et de Forex en France
Étude des résultats des investisseurs particuliers sur le trading de CFD et de Forex en France Le 13 octobre 2014 Autorité des marchés financiers 17, place de la Bourse 75082 Paris cedex 02 Tél. : 01 53
Plus en détailEtape 1 : paramétrage et choix du modèle d organisation
L outil d analyse que nous vous proposons reprend toutes les étapes relatives à l'établissement d'un bulletin de paie en fonction du profil d'organisation de votre cabinet. Il doit vous permettre de mieux
Plus en détailPlus courts chemins, programmation dynamique
1 Plus courts chemins, programmation dynamique 1. Plus courts chemins à partir d un sommet 2. Plus courts chemins entre tous les sommets 3. Semi-anneau 4. Programmation dynamique 5. Applications à la bio-informatique
Plus en détailCorrigé du baccalauréat S Pondichéry 12 avril 2007
Corrigé du baccalauréat S Pondichéry 1 avril 7 EXERCICE 1 Commun à tous les candidats 4 points 1 a Les vecteurs AB et AC ont pour coordonnées AB ; ; ) et AC 1 ; 4 ; 1) Ils ne sont manifestement pas colinéaires
Plus en détail1- Enregistrer le nouveau planning
MSproject :Guide d utilisation MSProject Formation BTS Ce document ressource, complément au TP projet maison simplifié, vous guidera pour réaliser la planification (partie 1). Les étapes sont : A :Planifier
Plus en détailChapitre 3 : Principe des tests statistiques d hypothèse. José LABARERE
UE4 : Biostatistiques Chapitre 3 : Principe des tests statistiques d hypothèse José LABARERE Année universitaire 2010/2011 Université Joseph Fourier de Grenoble - Tous droits réservés. Plan I. Introduction
Plus en détail1- Enregistrer le nouveau planning
La planification est un outil indispensable de management de projet, un moyen essentiel de prise de décisions pour le chef de projet : pour définir les travaux à réaliser, fixer des objectifs, coordonner
Plus en détailCOMMUNICATEUR BLISS COMMANDE PAR UN SENSEUR DE POSITION DE L'OEIL
COMMUNICATEUR BLISS COMMANDE PAR UN SENSEUR DE POSITION DE L'OEIL J. TICHON(1) (2), J.-M. TOULOTTE(1), G. TREHOU (1), H. DE ROP (2) 1. INTRODUCTION Notre objectif est de réaliser des systèmes de communication
Plus en détailEXPLOITATIONS PEDAGOGIQUES DU TABLEUR EN STG
Exploitations pédagogiques du tableur en STG Académie de Créteil 2006 1 EXPLOITATIONS PEDAGOGIQUES DU TABLEUR EN STG Commission inter-irem lycées techniques contact : dutarte@club-internet.fr La maquette
Plus en détailLes salariés de l économie sociale et solidaire
L'Économie sociale et solidaire Les salariés de l économie sociale et solidaire L'EMPLOI SALARIÉ L ESS, un employeur déterminant de l économie régionale 20 Relative précarité de l emploi dans l ESS 22
Plus en détailUniversité du Québec à Chicoutimi. Département d informatique et de mathématique. Plan de cours. Titre : Élément de programmation.
Université du Québec à Chicoutimi Département d informatique et de mathématique Plan de cours Titre : Élément de programmation Sigle : 8inf 119 Session : Automne 2001 Professeur : Patrice Guérin Local
Plus en détail7. ECONOMIE 7.3. COMMERCE GESTIONNAIRE DE TRES PETITES ENTREPRISES
CCPQ Rue A. Lavallée, 1 1080 Bruxelles Tél. : 02/690.85.28 Fax : 02/690.85.78 Email : ccpq@profor.be www.enseignement.be 7. ECONOMIE 7.3. COMMERCE GESTIONNAIRE DE TRES PETITES ENTREPRISES PROFIL DE FORMATION
Plus en détailWILOG ERP Terroir. Gestion commerciale. Solution Cloud Solution Réseau Solution Monoposte. 136 boulevard de Finlande - 54340 Pompey - France
Wilog ERP Terroir v1.2 25 Février 2014 WILOG ERP Terroir Gestion commerciale Solution Cloud Solution Réseau Solution Monoposte 136 boulevard de Finlande - 54340 Pompey - France Téléphone : +33 (0)3 83
Plus en détailDOSSIER DE CANDIDATURE
INSTITUT INTERNATIONAL DU MULTIMEDIA DOSSIER DE CANDIDATURE MBA SPÉCIALISÉ VIDEO GAME MANAGEMENT NOM : Nom : Photo obligatoire PRENOM : Prénom : Vous êtes étudiant. Vous êtes ou avez été en activité professionnelle.
Plus en détailPratique des options Grecs et stratégies de trading. F. Wellers
Pratique des options Grecs et stratégies de trading F. Wellers Plan de la conférence 0 Philosophie et structure du cours 1 Définitions des grecs 2 Propriétés des grecs 3 Qu est ce que la volatilité? 4
Plus en détailAnalyse de la variance Comparaison de plusieurs moyennes
Analyse de la variance Comparaison de plusieurs moyennes Biostatistique Pr. Nicolas MEYER Laboratoire de Biostatistique et Informatique Médicale Fac. de Médecine de Strasbourg Mars 2011 Plan 1 Introduction
Plus en détailAnalyse des Systèmes Asservis
Analyse des Systèmes Asservis Après quelques rappels, nous verrons comment évaluer deux des caractéristiques principales d'un système asservi : Stabilité et Précision. Si ces caractéristiques ne sont pas
Plus en détailChp. 4. Minimisation d une fonction d une variable
Chp. 4. Minimisation d une fonction d une variable Avertissement! Dans tout ce chapître, I désigne un intervalle de IR. 4.1 Fonctions convexes d une variable Définition 9 Une fonction ϕ, partout définie
Plus en détailcafé, restaurant & salon de thé DOSSIER DE CANDIDATURE franchise
DOSSIER DE CANDIDATURE franchise 1. DEMANDEUR PHOTO ÉTAT CIVIL Nom Prénom Date de naissance Lieu de naissance / / Adresse Code postal Téléphone fixe Fax Ville tél portable: E-mail Situation familiale :
Plus en détailINTRODUCTION A L ELECTRONIQUE NUMERIQUE ECHANTILLONNAGE ET QUANTIFICATION I. ARCHITECTURE DE L ELECRONIQUE NUMERIQUE
INTRODUCTION A L ELECTRONIQUE NUMERIQUE ECHANTILLONNAGE ET QUANTIFICATION I. ARCHITECTURE DE L ELECRONIQUE NUMERIQUE Le schéma synoptique ci-dessous décrit les différentes étapes du traitement numérique
Plus en détailExemple 4.4. Continuons l exemple précédent. Maintenant on travaille sur les quaternions et on a alors les décompositions
Exemple 4.4. Continuons l exemple précédent. Maintenant on travaille sur les quaternions et on a alors les décompositions HQ = He 1 He 2 He 3 He 4 HQ e 5 comme anneaux (avec centre Re 1 Re 2 Re 3 Re 4
Plus en détailDataCar CRM V2.5.1 Gamme Expert Release Notes. DataCar CRM v2.5.1. Release Notes
DataCar CRM v2.5.1 Page 1 de 26 TABLE DES MATIÈRES 1. Introduction... 3 2. Evolutions de la version... 3 2.1. Documentation en ligne... 3 2.2. Evolutions RSE France spécifique VGF... 4 2.2.1. Ajout de
Plus en détailGUIDE DES PROCEDURES APPEL A PROJETS 2013 DE RECHERCHE-ACTION
GUIDE DES PROCEDURES APPEL A PROJETS 2013 DE RECHERCHE-ACTION Thématique - Innovation sociale - Nouveaux usages numériques Contact : Pôle Recherche, Enseignement Supérieur et Innovation - Région Auvergne
Plus en détailLa méthode des scores, particulièrement de la Banque de France
La méthode des scores, particulièrement de la Banque de France Devant la multiplication des défaillances d entreprises au cours des années 80 et début des années 90, la Banque de France a produit des travaux
Plus en détailAccompagnement personnalisé 6e
éduscol Accompagnement personnalisé 6e Accompagnement personnalisé en 6ème Problème pédagogique : l élève fait des erreurs dans la conjugaison du présent de l indicatif. Compétence 1 : Conjuguer les verbes,
Plus en détailCours 9 : Plans à plusieurs facteurs
Cours 9 : Plans à plusieurs facteurs Table des matières Section 1. Diviser pour regner, rassembler pour saisir... 3 Section 2. Définitions et notations... 3 2.1. Définitions... 3 2.2. Notations... 4 Section
Plus en détailUn essai de mesure de la ponction actionnariale note hussonet n 63, 7 novembre 2013
Un essai de mesure de la ponction actionnariale note hussonet n 63, 7 novembre 2013 L objectif de cette note est de présenter une mesure de la ponction actionnariale. Son point de départ est un double
Plus en détailRésolution de systèmes linéaires par des méthodes directes
Résolution de systèmes linéaires par des méthodes directes J. Erhel Janvier 2014 1 Inverse d une matrice carrée et systèmes linéaires Ce paragraphe a pour objet les matrices carrées et les systèmes linéaires.
Plus en détailProgrammation linéaire
Programmation linéaire DIDIER MAQUIN Ecole Nationale Supérieure d Electricité et de Mécanique Institut National Polytechnique de Lorraine Mathématiques discrètes cours de 2ème année Programmation linéaire
Plus en détailCollecter des informations statistiques
Collecter des informations statistiques FICHE MÉTHODE A I Les caractéristiques essentielles d un tableau statistique La statistique a un vocabulaire spécifique. L objet du tableau (la variable) s appelle
Plus en détailLa consolidation à une date ultérieure à la date d acquisition
RÉSUMÉ DU MODULE 4 La consolidation à une date ultérieure à la date d acquisition Le module 4 porte sur l utilisation de la méthode de l acquisition pour comptabiliser et présenter les filiales entièrement
Plus en détailL'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 détailPRINCIPES DE LA CONSOLIDATION. CHAPITRE 4 : Méthodes de consolidation. Maître de conférences en Sciences de Gestion Diplômé d expertise comptable
PRINCIPES DE LA CONSOLIDATION CHAPITRE 4 : Méthodes de consolidation David Carassus Maître de conférences en Sciences de Gestion Diplômé d expertise comptable SOMMAIRE CHAPITRE I Les fondements de la consolidation
Plus en détailChapitre 5 LE MODELE ENTITE - ASSOCIATION
Chapitre 5 LE MODELE ENTITE - ASSOCIATION 1 Introduction Conception d une base de données Domaine d application complexe : description abstraite des concepts indépendamment de leur implémentation sous
Plus en détailMicrosoft Excel : tables de données
UNIVERSITE DE LA SORBONNE NOUVELLE - PARIS 3 Année universitaire 2000-2001 2ème SESSION SLMD2 Informatique Les explications sur la réalisation des exercices seront fournies sous forme de fichiers informatiques.
Plus en détailLa consolidation comptable
La consolidation comptable Préparé par: Barzali Samia Errajraji Wafae Mounadi Hajar 2009/2010 Plan de travail: I/Rappel de cours: 1. La consolidation : définition, objectifs; 2. Les étapes des travaux
Plus en détailChristophe CANDILLIER Cours de DataMining mars 2004 Page 1
Christophe CANDILLIER Cours de DataMining mars 2004 age 1 1. Introduction 2. rocessus du DataMining 3. Analyse des données en DataMining 4. Analyse en Ligne OLA 5. Logiciels 6. Bibliographie Christophe
Plus en détailDataCar CRM V2.5.1 Gamme Expert Release Notes. DataCar CRM v2.5.1. Release Notes
DataCar CRM v2.5.1 Page 1 de 21 TABLE DES MATIÈRES 1. Introduction... 3 2. Evolutions de la version... 3 2.1. Documentation en ligne... 3 2.2. Planification de fin de financement... 4 2.3. Prévisionnel
Plus en détailCHAPITRE 3 LA SYNTHESE DES PROTEINES
CHAITRE 3 LA SYNTHESE DES ROTEINES On sait qu un gène détient dans sa séquence nucléotidique, l information permettant la synthèse d un polypeptide. Ce dernier caractérisé par sa séquence d acides aminés
Plus en détailINF6304 Interfaces Intelligentes
INF6304 Interfaces Intelligentes filtres collaboratifs 1/42 INF6304 Interfaces Intelligentes Systèmes de recommandations, Approches filtres collaboratifs Michel C. Desmarais Génie informatique et génie
Plus en détailCorrection du Baccalauréat S Amérique du Nord mai 2007
Correction du Baccalauréat S Amérique du Nord mai 7 EXERCICE points. Le plan (P) a une pour équation cartésienne : x+y z+ =. Les coordonnées de H vérifient cette équation donc H appartient à (P) et A n
Plus en détailLe potentiel phénolique du Cabernet franc
Le potentiel phénolique du Cabernet franc Synthèse de 8 années dʼexpérimentations Yves Cadot INRA, UE 1117 Vigne et Vin, F-49070 Beaucouzé, France Avec la collaboration de : Michel Chevalier INRA, UMR
Plus en détail