TD 1: Analyse en Composantes Principales
|
|
- Roger Léger
- il y a 7 ans
- Total affichages :
Transcription
1 TD 1: Analyse en Composantes Principales 1 Questions de cours Soit un tableau de données, X n p contenant les observations de n individus statistiques sur p variables quantitatives continues. L'espace des colonnes R n est muni d'une métrique D = diag(..., p i,...) des poids des individus. L'espace des lignes R p est muni d'une métrique M. 1.1 Généralités 1. Sur quel type de données peut-on réaliser une ACP? 2. Soit un tableau de données comprenant en ligne diérents pays et en colonne diérents indicateurs économiques. Quels sont les objectifs d'une ACP sur un tel jeu de données? 3. Dans quel espace vivent les individus? 4. Dénir l'inertie? Que vaut l'inertie totale du nuage quand les variables sont centrées réduites? 5. Dessiner un poisson en maximisant l'inertie projetée. 6. Quand est il indispensable de réduire les variables? Simuler et commenter: library(mvtnorm) Z=rmvnorm(n=200,rep(0,3),sigma=diag(3)) X1=Z[,1] X2=X *Z[,2] X3=10*Z[,3] don=cbind.data.frame(x1,x2,x3) library(factominer) acp=pca(don,scale=f) acp=pca(don,scale=t) 1.2 Mise en oeuvre de l'acp 7. Soit une ACP du triplet (X, M, D). Les axes principaux sont les vecteurs propres de V M = X DXM sont les vecteurs propres de W D = XMX D constituent un repère des individus constituent un repère des variables 8. Soit une ACP de (X, M, D). Les composantes principales sont les vecteurs propres de V M = X DXM sont les vecteurs propres de W D = XMX D constituent un repère des individus constituent un repère des variables sont des variables synthétiques: combinaisons linéaires des variables initiales 9. Dans quel espace vit le vecteur de coordonnées des individus sur un axe? 1
2 R n R p 10. Soit une ACP de (X, M, D), la représentation d'un individu dans le plan 1-2 est une projection d'un vecteur de R 2 une projection d'un vecteur de R p une projection d'un vecteur de R n 11. Dans quel espace vit le vecteur de coordonnées des variables? R n R p 12. La coordonnée d'une variable k sur l'axe c 1 / λ 1 représente (quand les variables sont centrées réduites) : le cosinus de l'angle entre c 1 et k le coecient de corrélation entre c 1 et k 13. Soient les valeurs propres {λ α } que l'on obtient lors d'une ACP de (X, M, D). Ce sont les valeurs propres de V M Ce sont les valeurs propres de W D Ce sont les inerties des axes α 1.3 Aides à l'interprétation 14. Dénir la contribution d'un individu à la création de l'axe et sa qualité de représentation. 15. Dénir la notion d'individus et de variables supplémentaires. 1.4 Questions diverses pour voir si on a bien compris 16. VRAI OU FAUX La variance des coordonées des individus sur le premier axe factoriel est plus élevée que la variance des coordonnées sur le deuxième axe. 17. VRAI OU FAUX Une ACP normée est eectuée sur un trés grand nombre de variable : le pourcentage d'inertie obtenu sur le premier plan factoriel est nécessairement faible. 18. Quatre jeux de données ont été utilisés et sur chacun d'eux, une ACP normée a été construite. On donne la matrice de corrélations des variables pour chaque jeux de données ainsi qu'un extrait des résultats de chaque ACP. Retrouvez quelles matrices de corrélation correspond à quels résultats de l'acp. Justiez vos réponses. Matrice de corrélation A Matrice de corrélation B Matrice de corrélation C Matrice de corrélation D
3 Résultats de l'acp 1 Résultats de l'acp 2 Axe Valeur % d'inertie % d'inertie Axe Valeur % d'inertie % d'inertie Propre de l'axe cumulé Propre de l'axe cumulé Résultats de l'acp 3 Résultats de l'acp 4 Axe Valeur % d'inertie % d'inertie Axe Valeur % d'inertie % d'inertie Propre de l'axe cumulé Propre de l'axe cumulé On dispose d'un tableau de données constitué de 10 individus et de variables. Sans eectuer l'analyse en Composantes Principales, a t'on une idée de la forme du graphe des variables que l'on va obtenir? Simuler et commenter: mat=matrix(rnorm(7*200,0,1),ncol=200) PCA(mat) 2 Applications 2.1 FactoMineR FactoMineR est un package du logiciel R, développé par le laboratoire de mathématiques appliquées d'agrocampus Ouest Rennes, dédié à l'analyse de données. Il peut être téléchargé sur le CRAN, ou sur son site internet: Il permet de réaliser les analyses classiques comme les ACP, AFC, ACM, AFM... et des méthodes plus avancées (AFM Hiérarchique, Analyse Factorielle de Données Mixtes,...). Une interface graphique est également disponible, permettant d'eectuer ces analyses à l'aide un menu déroulant convivial. Cette interface est intégrée au menu RCommander (library(rcmdr) de John Fox). Toutes ces interfaces ont été programmées en TCLTK. Pour plus d'informations sur R et TCLTK taper tout simplement sur google "R TCLTK examples"... Vous trouverez aussi sur Youtube sur les playlist de François Husson de nombreuses video qui expliquent comment réaliser les méthodes d'analyse de données avec FactoMineR Par ailleurs, il est aussi possible de réaliser ces méthodes avec des données manquantes en utilisant le package missmda. Depuis la version 1.24 de FactoMineR, il y a de nombreuses options graphiques qui permettent une meilleure interprétation des graphiques. Il existe aussi d'autres packages pour réaliser des analyses factorielles comme le package très complet ade4: que nous utiliserons dans le cadre de ces TD. Charger FactoMineR et son interface graphique. source(" Pour utiliser FactoMineR, il faut charger la librairie: library(factominer) 3
4 Pour bénécier de l'interface graphique de FactoMineR, il faut charger RCommander: library(rcmdr) 2.2 ACP des données du Rhone 1. Importer le jeu de données rhone.csv qui se trouve sur ma page internet: Ce jeu de données est constitué de 15 variables quantitatives mesurées à diérentes dates (39) sur une même station du rhône et d'une variable qualitative indiquant la saison (été ou hiver) pendant laquelle la mesure a été réalisée. Les variables écologiques sont les suivantes: Température de l'air (Ta), Température de l'eau (Te), Conductivité (Co), PH (ph), Saturation en oxygène (Ox), Transparence (Tr), Dureté (Dt), Dureté calcique (Dc), Magnésium (Mg), Sulfate (Su), Azote Nitrique (NO), Tac (TAC), Matière en suspension (Ms), Matière organique (Mo), Chlorophile (Ch). 2. Réaliser l'acp de ce jeu de données : res.pca<-pca(rhone, quali.sup=16) summary(res.pca, nbelements=5, ncp=3) 3. Comment introduire la variable saison dans l'acp? Comment sont calculées ses coordonnées? 4. Colorier les individus en fonction de la variable saison : plot.pca(res.pca,choix="ind", habillage=16) 5. Améliorer les graphiques : plot.pca(res.pca,choix="ind", habillage=16,autolab="no") plot(res.pca, habillage="saison", select="cos2 0.8") plot(res.pca, select="contrib 10") plot(res.pca,choix="var", select="contrib 8", unselect=0) 6. Dessiner des ellipses de conance autour des centres de gravités des modalités : plotellipses(res.pca) 7. Acher les résultats de l'acp : res.pca 8. Examiner le diagramme en bâtons des valeurs propres : barplot(res.pca$eig[,1], main = "Eigenvalues", names.arg = paste("dim",1:nrow(res.pca$eig), sep="")) 9. Indication sur le nombre de dimensions : estim_ncp(rhone[,-16]) 10. Analyse des plans factoriels : Dénir des groupes de variables fortement corrélées, et associer un sens à chaque axe. 4
5 Quelles dates de mesures sont caractérisées par de fortes valeurs des variables température de l'air (Ta) et température de l'eau (Te)? Ces dates ont-elles de fortes valeurs pour la conductivité? 11. Analyse des critères CTR et COS2 : A quoi servent les CTR et les COS2? Ne pas oublier: A H A HB D H AHB H D H D H C H C B C Peut-on se passer de l'analyse de ces tableaux et retrouver ces résultats sur le(s) plan(s) factoriel(s)? 12. Décrire de manière automatique les axes: dimdesc(res.pca) 13. Choisir le plan factoriel 3 4 pour les individus. plot(res.pca, choix="ind", axes = c(3, 4)) plot(res.pca, choix="var", axes = c(3, 4)) Que remarquez-vous? Interpréter en consultant les données brutes et les données centrées réduites. scale(rhone[,1:15]) On peut relancer l'analyse en mettant par exemple en supplémentaire quelques individus; mais la structure globale des liens linéaires entre les variables n'est que faiblement modiée. i1=which(rownames(rhone)=="05/12/83") i2=which(rownames(rhone)=="22/06/83") res.pca2=pca(rhone, quali.sup=16, ind.sup=c(i1,i2)) 14. Familiarisez-vous avec l'interface graphique : cliquer sur l'onglet FactoMineR puis sur l'onglet ACP et relancer l'acp. 15. Pour aller plus loin: et si on comprenait la formule de reconstitution des données? X c = p c i a i, avec X c correspondant aux données centrées (et réduites dans notre cas). i=1 5
6 Reconstituer les données avec un axe factoriel: (Dans FactoMineR, on dispose des c qui sont les coordonnées des individus sur les axes, mais pas explicitement des axes a; par contre on dispose des z, coordonnées des variables sur les axes et on sait que a = 1/ λ z La formule de reconstitution des données avec 1 dimension équivaut alors à : ˆX c = 1 λ1 c 1 z 1. Xchap1axe=(1/sqrt(res.pca$eig[1,1]))*(as.matrix(res.pca$ind$coord[,1])%*% t(as.matrix(res.pca$var$coord[,1]))) dim(xchap1axe) Reconstituer les données avec les deux premiers axes factoriels : La formule de reconstitution des données est : ˆX c = 1 λ1 c 1 z λ2 c 2 z 2. Xchap2axes=(1/sqrt(res.pca$eig[1,1]))*(as.matrix(res.pca$ind$coord[,1])%*% t(as.matrix(res.pca$var$coord[,1]))) + (1/sqrt(res.pca$eig[2,1]))*(as.matrix(res.pca$ind$coord[,2])%*% t(as.matrix(res.pca$var$coord[,2]))) dim(xchap2axes) Revenir aux données brutes (multiplier par l'écart type et rajoutter la moyenne) moy=apply(rhone[,1:15],2,mean) et=apply(rhone[,1:15],2,sd) Xchapeau1=sweep(Xchap1axe, 2, et, FUN = "*") Xchapeau1=sweep(Xchapeau1, 2, moy, FUN = "+") Xchapeau2=sweep(Xchap2axes, 2, et, FUN = "*") Xchapeau2=sweep(Xchapeau2, 2, moy, FUN = "+") On peut comparer l'écart entre X et ˆX, on peut aussi observer directement les données reconstituées: for( i in 1:15){ x11() plot(rhone[,i],ylab=colnames(rhone)[i]) lines(xchapeau1[,i],col=2) lines(xchapeau2[,i],col=3) } A partir du cercle de corrélation et des diérents graphiques, commenter la reconstruction de la variable Te et Dt avec 1 dimension et 2 dimensions; commenter la reconstruction de la variable Ms et Tr avec 1 et 2 axes; commenter la reconstruction de la variable Ch et NO. 2.3 ACP d'un nuage sans structure: quelques simulations; merci à Pierre-Andre Cornillon et François Husson pour certain de ces exemples 1. Souvent nous constatons une liaison linéaire entre les variables, ou dit de manière diérente, deux axes (nous nous sommes presque toujours arrêté à 2) de dispersion privilégiés. Cependant il peut n'y avoir aucune structure apparente, aucun lien linéaire entre les variables ou aucun axe de dispersion intéressant (le nuage des individus forme une boule dans IR p où il n'est pas possible de dégager un axe, par opposition à un ellipsoide). C'est le cas du chier mult2.txt. Importer les données et lancer l'acp. Vous pouvez constater la décroissance des valeurs propres caractéristique (cas d'école) d'une absence de structure. La représentation des variables et la représentation 6
7 des individus ne sont pas interprétables. Remarque : ce chier provient d'un loi multinormale dont la matrice de variance est diagonale et constante sur cette diagonale. 2. Simuler un tableau de données avec 3 individus et 10 variables indépendantes: mat=matrix(rnorm(3*10,0,1),ncol=10) Faire l'acp et commenter les résultats. 3. Même question avec 4 individus et 10 variables indépendantes. 4. Simuler un tableau avec 500 individus et 350 variables (330 variables indépendantes et 20 variables presque identiques) mat=matrix(rnorm(330*500,0,1),ncol=330) mat2=cbind(mat,matrix(jitter(rep(mat[,1],20)),ncol=20)) aa=pca(mat2,graph=f) plot.pca(aa,choix="var",lim.cos2.var=0,label="none") Commenter les résultats. 5. On va s'intéresser au pourcentage d'inertie du premier plan factoriel dans le cas ou les variables sont indépendantes. Créer un tableau avec 50 individus et 8 variables et simuler uniquement du hasard (des lois normales indépendantes). Faire l'acp et conserver le pourcentage d'inertie du premier plan factoriel. nr=50 nc=8 iner=rep(0,1000) for (i in 1:1000) { mat=matrix(rnorm(nr*nc,0,1),ncol=nc) iner[i]=pca(mat,graph=f)$eig[2,3] } quantile(iner,0.95) Commenter les résultats. Voici les résultats obtenus pour diérentes tailles d'échantillons: 7
8 Number of variables nbind Table 1: 95 % quantile inertia on the two rst dimensions of PCA on data with independent variables. 8
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 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 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 détailRÉALISATION DE GRAPHIQUES AVEC OPENOFFICE.ORG 2.3
RÉALISATION DE GRAPHIQUES AVEC OPENOFFICE.ORG 2.3 Pour construire un graphique : On lance l assistant graphique à l aide du menu Insérer è Diagramme en ayant sélectionné au préalable une cellule vide dans
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 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 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 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 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 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 détailRapidMiner. Data Mining. 1 Introduction. 2 Prise en main. Master Maths Finances 2010/2011. 1.1 Présentation. 1.2 Ressources
Master Maths Finances 2010/2011 Data Mining janvier 2011 RapidMiner 1 Introduction 1.1 Présentation RapidMiner est un logiciel open source et gratuit dédié au data mining. Il contient de nombreux outils
Plus en détailAvant-après, amont-aval : les couples de tableaux totalement appariés
ADE-4 Avant-après, amont-aval : les couples de tableaux totalement appariés Résumé La fiche décrit les méthodes d analyse des couples de tableaux complètement appariés (mêmes individus, mêmes variables).
Plus en détailInitiation à l analyse en composantes principales
Fiche TD avec le logiciel : tdr601 Initiation à l analyse en composantes principales A.B. Dufour & J.R. Lobry Une première approche très intuitive et interactive de l ACP. Centrage et réduction des données.
Plus en 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 détailIntroduction à l'analyse multivariée (factorielle) sous R. Stéphane CHAMPELY
Introduction à l'analyse multivariée (factorielle) sous R Stéphane CHAMPELY 7 septembre 2005 2 Table des matières 1 Introduction 5 1.1 Les données multivariées....................... 5 1.2 L'approche factorielle
Plus en détail1. Introduction...2. 2. Création d'une requête...2
1. Introduction...2 2. Création d'une requête...2 3. Définition des critères de sélection...5 3.1 Opérateurs...5 3.2 Les Fonctions...6 3.3 Plusieurs critères portant sur des champs différents...7 3.4 Requête
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 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 détailLa place de SAS dans l'informatique décisionnelle
La place de SAS dans l'informatique décisionnelle Olivier Decourt ABS Technologies - Educasoft Formations La place de SAS dans l'informatique décisionnelle! L'historique de SAS! La mécanique! La carrosserie
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 détailIBM SPSS Statistics Version 22. Instructions d'installation sous Windows (licence simultanée)
IBM SPSS Statistics Version 22 Instructions d'installation sous Windows (licence simultanée) Table des matières Instructions d'installation....... 1 Configuration requise........... 1 Installation...............
Plus en détailGAZLOG. Logiciel de téléchargement et d'exploitation de données. Notice d utilisation. Tél. : 04 72 15 88 70 - Fax : 04 78 26 41 35
Notice d utilisation GAZLOG Logiciel de téléchargement et d'exploitation de données Ne pas brancher simultanément le chargeur de batterie et le câble de liaison RS232. C2AI 9 rue de Catalogne 69153 Décines
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 détailIndividus et informations supplémentaires
ADE-4 Individus et informations supplémentaires Résumé La fiche décrit l usage des individus supplémentaires dans des circonstances variées. En particulier, cette pratique est étendue aux analyses inter
Plus en détailLa structure de la base de données et l utilisation de PAST. Musée Royal de l Afrique Centrale (MRAC Tervuren)
La structure de la base de données et l utilisation de PAST La structure de la base de données données originales SPÉCIMENS Code des spécimens: Identification des spécimens individuels. Dépend du but de
Plus en détailProSimPlus HNO3 Résumé des nouvelles fonctionnalités, décembre 2008
ProSimPlus HNO3 Résumé des nouvelles fonctionnalités, décembre 2008 Cette page présente un résumé des derniers développements effectués dans le logiciel ProSimPlus HNO3. Ceux-ci correspondent à de nouvelles
Plus en détailManuel utilisateur. des. listes de diffusion. Sympa. l'université Lille 3
Manuel utilisateur des listes de diffusion Sympa à l'université Lille 3 1 Table des matières Table des matières...2 I. Introduction...3 II. Principe général de fonctionnement de «Sympa»...3 1. Les principaux
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 détailCREATION D UNE EVALUATION AVEC JADE par Patrick RUER (www.mathenvideo.comuv.com)
TABLE DES MATIERES I) Le logiciel JADE 2 II) Etablissements 3 1) Configuation de l établissement 3 2) Importation des classes avec SCONET 4 3) Les groupes d élèves 6 4) Les variables supplémentaires 6
Plus en détailSIG ET ANALYSE EXPLORATOIRE
SIG ET ANALYSE EXPLORATOIRE VERS DE NOUVELLES PRATIQUES EN GÉOGRAPHIE Jean-Marc ORHAN Equipe P.A.R.I.S., URA 1243 du CNRS Paris Résumé L'offre actuelle dans le domaine des logiciels de type Système d'information
Plus en détailL'analyse de données. Polycopié de cours ENSIETA - Réf. : 1463. Arnaud MARTIN
L'analyse de données Polycopié de cours ENSIETA - Réf : 1463 Arnaud MARTIN Septembre 2004 Table des matières 1 Introduction 1 11 Domaines d'application 2 12 Les données 2 13 Les objectifs 3 14 Les méthodes
Plus en détailSPHINX Logiciel de dépouillement d enquêtes
SPHINX Logiciel de dépouillement d enquêtes sphinx50frversion4.doc 1 Les trois stades du SPHINX sont ceux que comporte habituellement toute enquête d opinion: Elaboration du questionnaire (fiche outil
Plus en 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 détailComment faire pour créer ses propres pages html?
. Comment faire pour créer ses propres pages html? Insérer une vidéo Pour ajouter une vidéo de votre choix, il vous faut insérer, dans un premier temps, un tableau dans lequel vous placerez un mot, par
Plus en détailTutoriel - flux de facturation
1 of 12 17.01.2007 01:41 Tutoriel - flux de facturation Le schéma ci-dessous illustre le flux de facturation classique : Lors de la création d'une facture, elle possède l'état de brouillon, ce qui veut
Plus en détailManuel d Utilisateur - Logiciel ModAFi. Jonathan ANJOU - Maud EYZAT - Kévin NAVARRO
Manuel d Utilisateur - Logiciel ModAFi Jonathan ANJOU - Maud EYZAT - Kévin NAVARRO Grenoble, 12 juin 2012 Table des matières 1 Introduction 3 2 Modèles supportés 3 2.1 Les diérents modèles supportés pour
Plus en détailVOS PREMIERS PAS AVEC TRACENPOCHE
Vos premiers pas avec TracenPoche page 1/16 VOS PREMIERS PAS AVEC TRACENPOCHE Un coup d'oeil sur l'interface de TracenPoche : La zone de travail comporte un script, une figure, un énoncé, une zone d analyse,
Plus en détailCalcaire ou eau agressive en AEP : comment y remédier?
Calcaire ou eau agressive en AEP : comment y remédier? Les solutions techniques Principes et critères de choix Par Sébastien LIBOZ - Hydrogéologue Calcaire ou eau agressive en AEP : comment y remédier?
Plus en détailStatistique Descriptive Élémentaire
Publications de l Institut de Mathématiques de Toulouse Statistique Descriptive Élémentaire (version de mai 2010) Alain Baccini Institut de Mathématiques de Toulouse UMR CNRS 5219 Université Paul Sabatier
Plus en détailCRÉER DES LEÇONS AVEC L'ÉDITEUR DU LOGICIEL 1000 MOTS POUR APPRENDRE À LIRE EN FRANÇAIS, ANGLAIS ET ALLEMAND
93 CRÉER DES LEÇONS AVEC L'ÉDITEUR DU LOGICIEL 1000 MOTS POUR APPRENDRE À LIRE EN FRANÇAIS, ANGLAIS ET ALLEMAND 1 - LE LOGICIEL 1000 MOTS 1000 mots est un logiciel destiné aux classes du cycle II en France
Plus en détailCycle de formation certifiante Sphinx
Cycle de formation certifiante Sphinx 28, 29, 30 Mai 2015 Initiation, Approfondissement et Maîtrise Etudes qualitatives / quantitatives Initiation, approfondissement et maîtrise des études qualitatives
Plus en détailDans la série. présentés par le site FRAMASOFT
Dans la série Les tutoriels libres présentés par le site FRAMASOFT CRÉER DES EXERCICES AVEC JCLIC-AUTHOR Logiciel: JClic-author Plate-forme(s): Linux, Windows, Mac OS X Version: 0.1.1.9 Licence: GNU General
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 détailOpenFLUID Software Environment for Modelling Fluxes in Landscapes
OpenFLUID Software Environment for Modelling Fluxes in Landscapes TP MHYDAS : Mise en uvre, analyses de sensibilité et de scénarii du modèle hydrologique distribué MHYDAS - Application au bassin versant
Plus en détailDemande chimique en oxygène
Table des matières Introduction Réactifs DCO Azote et phosphore HI 83214 HI 83099 HI 839800 HI 3898 Page J3 J5 J6 J7 J8 J10 J11 J1 Tableau comparatif Paramètre Photomètre Photomètre Thermo-réacteur Trousse
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 détailGuide de l'utilisateur de l'application mobile
Guide de l'utilisateur de l'application mobile Avis de droit d'auteur Copyright Acronis International GmbH, 2002-2012. Tous droits réservés. «Acronis», «Acronis Compute with Confidence», «Acronis Recovery
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 détailDans la série LES TUTORIELS LIBRES présentés par le site FRAMASOFT. Compression - Décompression avec 7-Zip. Georges Silva
Dans la série LES TUTORIELS LIBRES présentés par le site FRAMASOFT Compression - Décompression avec 7-Zip Georges Silva Logiciel : 7-Zip site : http://www.7-zip.org Niveau : Débutant Auteur : Georges Silva
Plus en détailAnnexe 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 détailTUTORIAL 1 ETUDE D UN MODELE SIMPLIFIE DE PORTIQUE PLAN ARTICULE
TUTORIAL 1 ETUDE D UN MODELE SIMPLIFIE DE PORTIQUE PLAN ARTICULE L'objectif de ce tutorial est de décrire les différentes étapes dans CASTOR Concept / FEM permettant d'effectuer l'analyse statique d'une
Plus en détailIBM SPSS Statistics Version 22. Instructions d'installation sous Windows (licence nominative)
IBM SPSS Statistics Version 22 Instructions d'installation sous Windows (licence nominative) Table des matières Instructions d'installation....... 1 Configuration requise........... 1 Code d'autorisation...........
Plus en détailTraitement des données avec Microsoft EXCEL 2010
Traitement des données avec Microsoft EXCEL 2010 Vincent Jalby Septembre 2012 1 Saisie des données Les données collectées sont saisies dans une feuille Excel. Chaque ligne correspond à une observation
Plus en détailBaccalauréat professionnel vente (prospection - négociation - suivi de clientèle) RÉFÉRENTIEL DE CERTIFICATION
RÉFÉRENTIEL DE CERTIFICATION 16 I. COMPÉTENCES C1. PROSPECTER C11. Élaborer un projet de prospection C12. Organiser une opération de prospection C13. Réaliser une opération de prospection C14. Analyser
Plus en détailINTRODUCTION. 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 détailGestion de Chambres d'hôtes Logiciel GESTCHA
Gestion de Chambres d'hôtes Logiciel GESTCHA Le logiciel GESTCHA peut gérer les réservations de Chambres d'hôtes, Hôtel, Motel, Camping. Il est totalement paramétrable et évolutif. I - Menu Administrateur
Plus en détailStructure du cours : Il existe de nombreuses méthodes intéressantes qui couvrent l Analyse des Données
Structure du cours : Il existe de nombreuses méthodes intéressantes qui couvrent l Analyse des Données et le Data Mining Nous suivons le plan suivant : Fonctionnement de Spad Catalogue des méthodes (statistiques
Plus en détailUtilisation du visualiseur Avermedia
Collèges Numériques Utilisation du visualiseur Avermedia Un visualiseur est aussi appelé caméra de table et ce nom rend mieux compte de sa fonction première à savoir filmer un document (revue,carte, dissection,
Plus en détailGdsCompta. Logiciel de comptabilité générale
GdsCompta Logiciel de comptabilité générale CARACTERISTIQUES Logiciel sous Windows Fonctionne sous Windows XP, Vista, 7 et 8 Multi-dossier De la saisie des écritures au bilan, une comptabilité complète.
Plus en détailNewPoint IT Consulting BIG DATA WHITE PAPER. NewPoint Information Technology Consulting
NewPoint IT Consulting BIG DATA WHITE PAPER NewPoint Information Technology Consulting Contenu 1 Big Data: Défi et opportunité pour l'entreprise... 3 2 Les drivers techniques et d'entreprise de BIG DATA...
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 détailIntroduction : présentation de la Business Intelligence
Les exemples cités tout au long de cet ouvrage sont téléchargeables à l'adresse suivante : http://www.editions-eni.fr Saisissez la référence ENI de l'ouvrage RI3WXIBUSO dans la zone de recherche et validez.
Plus en détailLA NOTATION STATISTIQUE DES EMPRUNTEURS OU «SCORING»
LA NOTATION STATISTIQUE DES EMPRUNTEURS OU «SCORING» Gilbert Saporta Professeur de Statistique Appliquée Conservatoire National des Arts et Métiers Dans leur quasi totalité, les banques et organismes financiers
Plus en détailDETERMINATION DE L INCERTITUDE DE MESURE POUR LES ANALYSES CHIMIQUES QUANTITATIVES
Agence fédérale pour la Sécurité de la Chaîne alimentaire Administration des Laboratoires Procédure DETERMINATION DE L INCERTITUDE DE MESURE POUR LES ANALYSES CHIMIQUES QUANTITATIVES Date de mise en application
Plus en détailUNIVERSITÉ DE MONTRÉAL DÉPARTEMENT DE SOCIOLOGIE ************* Cours de niveau gradué en méthodes quantitatives *************
************* Cours de niveau gradué en méthodes quantitatives ************* SOL 6210 - Analyse quantitative avancée Le séminaire d analyse quantitative avancée se donne en classe une fois par année. Chaque
Plus en détailTune Sweeper Manuel de l'utilisateur
Tune Sweeper Manuel de l'utilisateur www.wideanglesoftware.com Table des matières Introduction 2 Démarrage rapide 5 Recherche de doublons 9 Sélection des pistes à conserver 12 Éliminer les doublons 15
Plus en détailPas-à-pas : activer WebDAV pour le partage des fichiers iwork sur ipad
Pas-à-pas : activer WebDAV pour le partage des fichiers iwork sur ipad Anthony Nelzin 4 octobre 2010 18:40 12 Nous sommes tombés par hasard sur cette nouvelle fonction : Pages, Keynote et Numbers pour
Plus en détailPrésentation du logiciel
Chapitre A Présentation du logiciel R Pré-requis et objectif La lecture du chapitre sur l installation de R dans les Annexes peut se révéler utile. Ce chapitre présente les origines, l objectif et les
Plus en détailI. Cas de l équiprobabilité
I. Cas de l équiprobabilité Enoncé : On lance deux dés. L un est noir et l autre est blanc. Calculer les probabilités suivantes : A «Obtenir exactement un as» «Obtenir au moins un as» C «Obtenir au plus
Plus en détailDeux disques dans un carré
Deux disques dans un carré Table des matières 1 Fiche résumé 2 2 Fiche élève Seconde - version 1 3 2.1 Le problème............................................... 3 2.2 Construction de la figure avec geogebra...............................
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 détailEXCEL PERFECTIONNEMENT CALCULS AVANCES
TABLE DES MATIÈRES FORMATS... 2 Formats personnalisés... 2 ADRESSAGE DE CELLULES... 3 relatif & absolu Rappel... 3 Adressage par nom... 4 Valider avec la touche Entrée... 4 FONCTIONS SI-ET-OU... 6 LA FONCTION
Plus en détailUtilisation du tableau de bord
Utilisation du tableau de bord Le tableau de bord vous permet de voir et de décortiquer les comptes rendus importants sur l'état de votre solution de fiabilité. Ouvrir le tableau de bord: Vous pouvez voir
Plus en détailBusiness Intelligence avec SQL Server 2012
Editions ENI Business Intelligence avec SQL Server 2012 Maîtrisez les concepts et réalisez un système décisionnel Collection Solutions Informatiques Extrait Alimenter l'entrepôt de données avec SSIS Business
Plus en détailPremiers pas sur e-lyco
Premiers pas sur e-lyco A destination des parents, ce document présente les premiers éléments pour accéder aux services de l'ent e-lyco d'un lycée. Que signifient ENT et e-lyco? ENT = Espace ou Environnement
Plus en détailRaisonnement par récurrence Suites numériques
Chapitre 1 Raisonnement par récurrence Suites numériques Terminale S Ce que dit le programme : CONTENUS CAPACITÉS ATTENDUES COMMENTAIRES Raisonnement par récurrence. Limite finie ou infinie d une suite.
Plus en détail1. Vocabulaire : Introduction au tableau élémentaire
L1-S1 Lire et caractériser l'information géographique - Le traitement statistique univarié Statistique : le terme statistique désigne à la fois : 1) l'ensemble des données numériques concernant une catégorie
Plus en détailFluctuation d une fréquence selon les échantillons - Probabilités
Fluctuation d une fréquence selon les échantillons - Probabilités C H A P I T R E 3 JE DOIS SAVOIR Calculer une fréquence JE VAIS ÊTRE C APABLE DE Expérimenter la prise d échantillons aléatoires de taille
Plus en détailLa Clé informatique. Formation Excel XP Aide-mémoire
La Clé informatique Formation Excel XP Aide-mémoire Septembre 2005 Table des matières Qu est-ce que le logiciel Microsoft Excel?... 3 Classeur... 4 Cellule... 5 Barre d outil dans Excel...6 Fonctions habituelles
Plus en détail8. Introduction au logiciel de simulation HYSYS : calcul d'une colonne de distillation.
8. Introduction au logiciel de simulation HYSYS : calcul d'une colonne de distillation. Plusieurs logiciels de simulation commerciaux sont disponibles sur le marché : ASPEN Plus, HYSYS, PRO II, Prosim,
Plus en détailOptimiser les performances du mouvement de monte de l Axe Z.
Page/0 - BUT DE LA MANIPULATION : Optimiser les performances du mouvement de monte de l Axe Z. - LES PLANS D EXPERIENCE -LA METHODE DU DOCTEUR TAGUCHI. La mthodologie Taguchi de mise en oeuvre des plans
Plus en détailSECTEUR 4 - Métiers de la santé et de l hygiène
SECTEUR 4 - Métiers de la santé et de l hygiène A lire attentivement par les candidats Sujet à traiter par tous les candidats inscrit au BEP Les candidats répondront sur la copie. Les annexes éventuelles
Plus en détailTableau 1 : Structure du tableau des données individuelles. INDIV B i1 1 i2 2 i3 2 i4 1 i5 2 i6 2 i7 1 i8 1
UN GROUPE D INDIVIDUS Un groupe d individus décrit par une variable qualitative binaire DÉCRIT PAR UNE VARIABLE QUALITATIVE BINAIRE ANALYSER UN SOUS-GROUPE COMPARER UN SOUS-GROUPE À UNE RÉFÉRENCE Mots-clés
Plus en détailCours pratique Excel. Dans chacune des feuilles, les donnés sont déjà entrées afin de gagner du temps.
Cours pratique Excel Présentation du classeur cours.xls C est un classeur qui contient 7 feuilles Liste de personnes Calculs simples Solde Listes Auto Relatif Absolu Formats Paye Cours AFM Dans chacune
Plus en détailLa gestion des boîtes aux lettres partagées
La gestion des boîtes aux lettres partagées La gestion des boîtes aux lettres partagées - page Présentation du module Partage de mail. Qu'est ce qu'une boîte aux lettres partagée? Il s'agit d'une boîte
Plus en détailFreeNAS 0.7.1 Shere. Par THOREZ Nicolas
FreeNAS 0.7.1 Shere Par THOREZ Nicolas I Introduction FreeNAS est un OS basé sur FreeBSD et destiné à mettre en œuvre un NAS, système de partage de stockage. Pour faire simple, un NAS est une zone de stockage
Plus en détailLES FONDEMENTS METHODOLOGIQUES
Partie 1 LE TEST «LE STAGIAIRE EN CLASSE : PERCEPTION DES ÉLÈVES» LES FONDEMENTS METHODOLOGIQUES La position du problème Jean D. Bélanger, professeur Mario Labbé, assistant de recherche Outre l'enseignant
Plus en détailUne solution pour les experts! Les relevés de surfaces. solution? On y retourne!
Relevé de surfaces, Repérage amiante, Diagnostic plomb, Etat parasitaire, avec une TabletPC Une solution pour les experts! DISTOTABLET La réhabilitation de bâtiments existants constitue désormais une partie
Plus en détailGUIDE D UTILISATION DE L ISU SEPTEMBRE 2013 GUIDE D UTILISATION DU NAVIGATEUR UIS.STAT (VERSION BÊTA)
GUIDE D UTILISATION DE L ISU SEPTEMBRE 2013 GUIDE D UTILISATION DU NAVIGATEUR UIS.STAT (VERSION BÊTA) Publié en 2013 par : Institut de statistiques de l UNESCO C.P. 6128, Succursale Centre-Ville Montréal,
Plus en détailIntelligence Artificielle et Systèmes Multi-Agents. Badr Benmammar bbm@badr-benmammar.com
Intelligence Artificielle et Systèmes Multi-Agents Badr Benmammar bbm@badr-benmammar.com Plan La première partie : L intelligence artificielle (IA) Définition de l intelligence artificielle (IA) Domaines
Plus en détailCopropriété: 31, rue des Abondances 92100 Boulogne-Billancourt
Eléments utilisés: Copropriété: 31, rue des Abondances 92100 Boulogne-Billancourt Notice explicative sur la ventilation de la facture EDF annuelle entre les différents postes de consommation à répartir
Plus en détailPremiers pas avec SES-Pegase (version 7.0) SES : Un Système Expert pour l analyse Statistique des données. Premiers pas avec SES-Pegase 1
Premiers pas avec SES-Pegase 1 Premiers pas avec SES-Pegase (version 7.0) SES : Un Système Expert pour l analyse Statistique des données www.delta-expert.com Mise à jour : Premiers pas avec SES-Pegase
Plus en détailLa contrefaçon par équivalence en France
BREVETS La contrefaçon par équivalence en France I. Introduction Si l'on considère une revendication de brevet qui remplit les conditions de validité au regard de l'art antérieur, le cas de contrefaçon
Plus en détailMODE OPÉRATOIRE : CIEL COMPTA
MODE OPÉRATOIRE : CIEL COMPTA Attention ne pas être en mode découverte, donc il faut vérifier avec Divers Menu standard Créer la société : Dossier Nouveau Créer un dossier sur mon ordinateur Ensuite mettre
Plus en détailLes suites numériques
Chapitre 3 Term. STMG Les suites numériques Ce que dit le programme : Suites arithmétiques et géométriques CONTENUS CAPACITÉS ATTENDUES COMMENTAIRES Suites arithmétiques et géométriques Expression du terme
Plus en détailLES AMORTISSEMENTS : CALCULS ENREGISTREMENTS
LES AMORTISSEMENTS : CALCULS ENREGISTREMENTS PRESENTATION DES MODES D AMORTISSEMENT Exemple 1 : CAS D UN AMORTISSEMENT VARIABLE On acquiert le 04/08/N une machine-outil pour une valeur HT de. Cette machine,
Plus en détailSTYLE PROFESSIONNEL M(me) Prénom NOM Employeur Date Cette synthèse est confidentielle et ne peut être diffusée sans l accord de la personne évaluée. EXTRAIT DE 17 PAGES SUR 42 AU TOTAL RAPPORT DE SYNTHÈSE
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 détail