L Analyse en Composantes Principales. A. Morineau
|
|
- Serge Durand
- il y a 7 ans
- Total affichages :
Transcription
1 L Analyse en Composantes Principales A. Morineau
2 L ACP, qu est ce?
3 L ACP, qu est ce?
4 Principe géométrique de l ACP X(n,p) tableau de données A. Morineau
5 Principe géométrique de l ACP i R p i' ressemblance des individus X(n,p) tableau de données A. Morineau
6 Principe géométrique de l ACP i R p i' ressemblance des individus X(n,p) j j' tableau de données R n liaisons entre les variables A. Morineau
7 Exemple introductif A. Morineau
8 Exemple introductif Les individus : 24 modèles de voitures A. Morineau
9 Exemple introductif Les individus : 24 modèles de voitures Les variables : «moteur» : puissance, vitesse, cylindrée «dimensions» : poids, longueur, largeur Objectifs : visualiser Les modèles qui se ressemblent au vu des 6 variables Les variables les plus corrélées A. Morineau
10 Les données A. Morineau
11 Ressemblances entre individus : problème des unités de mesure Cylindrée en litres Cylindrée en cm Poids en Kg 0,8 1,5 Poids en tonnes La forme du nuage de points est très sensible au choix des unités de mesure (à l'arbitraire des unités de mesure). Arbitraire des unités = Dispersion inégale entre les variables A. Morineau
12 Ressemblances entre individus : Solution : centrer et réduire les données Centrer : retrancher la moyenne positions relatives des individus Réduire : diviser par l écart type enlever l arbitraire de l unité de mesure Distance entre individus : A. Morineau
13 Les données centrées réduites A. Morineau
14 Ressemblances entre individus : Calcul des distances entre individus Exemple : d² (Honda Civic, Opel Omega) = ( )² + ( )² + + ( )² = A. Morineau
15 Ressemblances entre individus Vitesse Puissance Cylindrée A. Morineau
16 Ressemblances entre individus Vitesse Rover 827i Renault 25 Bmw 530i Puissance Ford Sierra Ford Fiesta Fiat Uno Cylindrée A. Morineau
17 Ressemblances entre individus : forme générale du nuage Vitesse Puissance Cylindrée A. Morineau
18 Ressemblances entre individus : forme générale du nuage Vitesse Puissance Cylindrée A. Morineau
19 Ressemblances entre individus : principe de détermination des axes Nuage de n points-individus dans R p Pour avoir la «meilleure» image approchée du nuage en projection sur une droite H : Respecter au mieux les inter-distances entre tous les couples (H) A. Morineau
20 Ressemblances entre individus : 1 er axe d inertie 1 er axe : direction d allongement maximal du nuage de points Direction selon laquelle la dispersion autour du centre de gravité (l inertie) est maximale. A. Morineau
21 Ressemblances entre individus : 1 er axe d inertie Vitesse Puissance Cylindrée A. Morineau
22 Ressemblances entre individus : 1 er axe d inertie Vitesse Axe 1 Puissance Cylindrée A. Morineau
23 Ressemblances entre individus : détermination des axes d inertie 2 ème axe d inertie : direction orthogonale à la première selon laquelle la dispersion résiduelle est maximale. 3 ème axe On décompose ainsi l inertie sur un système d axes orthogonaux deux à deux. A. Morineau
24 Ressemblances entre individus : détermination des axes d inertie A. Morineau
25 Ressemblances entre individus : détermination des axes d inertie Axe 1 A. Morineau
26 Ressemblances entre individus : détermination des axes d inertie Axe 1 Axe 2 A. Morineau
27 Ressemblances entre individus : détermination des axes d inertie Axe 3 Axe 1 Axe 2 A. Morineau
28 Mesurer l inertie décomposée sur chaque axe L inertie totale du nuage se décompose sur les axes principaux Pour p variables, p axes reconstituent l inertie totale du nuage A. Morineau
29 La meilleure représentation des distances entre individus A. Morineau
30 Coordonnées des individus et décomposition de l inertie A. Morineau
31 Distance calculée sur les données de départ : Meilleure représentation des distances entre individus d² (Honda Civic, Opel Omega) = ( )² + ( )² + ( )² = Distance calculée sur les axes factoriels : TOUS les axes : d² (Honda Civic, Opel Omega) = ( )² + ( )² + ( )² = les 2 PREMIERS axes : d² (Honda Civic, Opel Omega) = ( )² + ( )² = A. Morineau
32 Liaisons entre les variables : coefficient de corrélation y y R ne mesure pas la forme du nuage mais mesure la parenté entre la forme du nuage et une droite. y r = -1 x y -1 < r < 0 x On s'intéresse au degré de linéarité de la liaison entre deux variables. y r = 0 x y r = 0 x 0 < r < 1 A. Morineau x r = 1 x
33 Corrélation : domaine de l étude a b La relation est linéaire dans la plage [a,b] A. Morineau
34 Corrélation et causalité 30 nb de TV (x1000) R² = 0, nb de malades mentaux/100hab A. Morineau
35 Liaisons entre les variables : matrice des corrélations A. Morineau
36 Liaisons entre les variables Une variable est définie par les n valeurs qu elle prend sur les individus. Les variables sont centrées réduites, on a donc : (1) (1) est l équation d une sphère de rayon 1 centrée en zéro : les vecteurs variables sont donc de longueur 1 et se disposent sur la surface d une sphère dans R n. A. Morineau
37 Liaisons entre les variables individu 3 Largeur Longueur Poids individu 2 Cylindrée individu 1 Puissance Vitesse A. Morineau
38 Liaisons entre variables : distance entre les points variables Distance basée sur la corrélation : j o o o j k k k j cor(j,k) 1 d(j,k) 0 ( d² 0 ) cor(j,k) 0 d(j,k) 2 ( d² 2 ) cor(j,k) -1 d(j,k) 2 ( d² 4 ) A. Morineau
39 Liaisons entre variables : distance entre les points variables A. Morineau
40 Liaisons entre variables : ajustement des plans factoriels 1 et 2 individu 3 Largeur Longueur Poids individu 2 Cylindrée individu 1 Puissance Vitesse A. Morineau
41 Liaisons entre variables : ajustement des plans factoriels 1 et 2 1 er Plan individu 3 Largeur Longueur Poids individu 2 Cylindrée individu 1 Puissance Vitesse A. Morineau
42 Liaisons entre variables : ajustement des plans factoriels 1 et 2 1 er Plan individu 3 Largeur 2 ème Plan Longueur Poids individu 2 Cylindrée individu 1 Puissance Vitesse A. Morineau
43 Meilleure représentation des liaisons entre variables A. Morineau
44 Nuage des variables Nuage des p variables (approximation dans R n ). Un plan factoriel (v1,v2) coupe la sphère suivant un grand cercle (de rayon 1). Les points-variables tombent à l intérieur. Espace R n e1 e2 Projection de quatre variables 4 e e1 3 A. Morineau
45 Coordonnées des variables et décomposition de l inertie Coordonnées des variables : Les données ont été centrées et réduites : les coordonnées des variables sont aussi les corrélations de ces variables avec les axes factoriels. Les sommes des carrés des coordonnées sur chaque axe donnent la décomposition de l inertie sur ces axes. A. Morineau
46 Représentation simultanée : les anciens axes unitaires (j) Les variables peuvent être vues comme des individus particuliers qui en représentent les directions. X Individu (i) Ces individus synthétiques valent 1 dans la direction de la variable et 0 dans les autres directions : variable (j) variable (1) A. Morineau
47 Représentation simultanée : les anciens axes unitaires Vitesse Axe 1 Puissance Axe 2 Cylindrée A. Morineau
48 Représentation simultanée : les anciens axes unitaires Vitesse Axe 1 Puissance Axe 2 Cylindrée A. Morineau
49 Représentation simultanée : les anciens axes unitaires Vitesse Axe 1 Puissance Axe 2 Cylindrée A. Morineau
50 Représentation simultanée : les anciens axes unitaires Vitesse Axe 1 Puissance Axe 2 Cylindrée A. Morineau
51 Représentation simultanée : les anciens axes unitaires les anciens axes unitaires sont l image des variables dans l espace contenant les points individus. A. Morineau
52 Représentation simultanée : les anciens axes unitaires et les individus A. Morineau
53 Représentation simultanée : interprétation des anciens axes unitaires A. Morineau
54 Représentation simultanée : interprétation des anciens axes unitaires A. Morineau
55 Une autre interprétation des anciens axes unitaires : relations entre les deux espaces On a vu que les anciens axes unitaires sont l image des variables dans l espace contenant les points individus : les coefficients nous donnent les relations de transition entre l espace de départ et le nouvel espace de représentation des données. A. Morineau
56 Une autre interprétation des anciens axes unitaires : relations entre les deux espaces Les axes factoriels sont des combinaisons linéaire des variables centrées et réduites ; les coefficients de ces combinaisons sont les colonnes du tableau des anciens axes unitaires. Pour l axe1 : 0.45 CYLINDRE PUISSANC VITESSE POIDS LONGUEUR LARGEUR : le premier axe indique un effet de taille Pour l axe 2 : 0.01 CYLINDRE PUISSANC VITESSE POIDS LONGUEUR LARGEUR : le deuxième axe oppose les caractéristiques «moteur» aux autres. A. Morineau
57 Une autre interprétation des anciens axes unitaires : relations entre les deux espaces A partir des coordonnées factorielles, on peut revenir aux variables de départ. En prenant que les premiers axes factoriels, on reconstitue de manière approchée les variables de départ. CYLINDRE = 0.45 axe axe axe3 : reconstitution approchée de la variable cylindre à partir des 3 premiers axes factoriels. A. Morineau
58 Principes mathématiques de l ACP : détermination des axes d inertie X est la matrice des données centrées réduites (on présente les calculs dans le cas d une ACP normée) Nuages de points associés : Les individus : n points dans un espace de dimension p Les variables : p points dans un espace de dimension n Ajustement dans R p : maximiser u (X X)u avec u u = 1 Le vecteur qui maximise cette expression est le vecteur propre associé à la plus grande valeur propre de X Xu = λu Ajustement dans R n : maximiser v (XX )v avec v v = 1 Le vecteur qui maximise cette expression est le vecteur propre associé à la plus grande valeur propre de XX v = µv A. Morineau
59 ACP normée et non normée Normée Distance entre individus Non normée Matrice diagonalisée (x',x) corrélations covariances Distance entre variables A. Morineau
60 Principes mathématiques de l ACP : relations de transition relations entre les deux espaces (relations de transition) ajustement dans R p : (X X)u = λu u est le vecteur propre associé à la plus grande valeur propre de X X : λ ajustement dans R n : (XX )v = µv v est le vecteur propre associé à la plus grande valeur propre de XX : µ On peut écrire : XX (Xu) = λ(xu) i.e. λ est une valeur propre de XX associée au vecteur propre Xu ; puisque µ est la plus grande valeur propre de XX, on a nécessairement : λ < µ. X X(X v) = µ(x v) i.e. m est une valeur propre de X X associée au vecteur propre X v ; puisque λ est la plus grande valeur propre de X X, on a nécessairement : µ < λ. On a donc λ = µ En imposant les contraintes de normalisation des vecteurs propres : (Xu) Xu = λ et (X v) (X v) = µ on obtient les relations suivantes appelées relations de transition : A. Morineau
61 Relations de transition en ACP A. Morineau
62 Influence des individus : les contributions Dans quelle proportion chaque point contribue-t-il à l inertie λ α du nuage projeté sur l axe u α? G i G i G i G i' G i' G i' Utilité Pour donner une signification à un axe, s intéresser surtout aux points ayant une forte contribution. (Ils fixent la position de l axe dans R p ) A. Morineau
63 Influence des individus : les contributions A. Morineau
64 Qualité de représentation des individus : les cosinus carrés Le point (i) dans R p est plus ou moins «proche» de chaque axe (α) de projection. En projection, la proximité entre points est d autant plus «véridique» que les points sont proches de l axe de projection. Pour analyser les proximités entre points, s intéresser surtout aux points ayant un fort cosinus carré. (Proximités peu modifiées en projection.) (i) (i) G u α G u α Utilité A. Morineau
65 Qualité de représentation des individus : les cosinus carrés A. Morineau
66 Eléments supplémentaires Individus et variables continues A. Morineau
67 Eléments supplémentaires Variables nominales A. Morineau
68 Eléments supplémentaires Modalités d une variable nominale A. Morineau
69 Références Lebart L., Morineau A., Piron M. Statistique Exploratoire Multidimensionnelle. Dunod, Paris, Lebart L., Morineau A., Warwick K. Multivariate Descriptive Statistical Analysis. J. Wiley, New York, A. Morineau
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 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 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 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 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 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 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 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 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 détailOLYMPIADES ACADÉMIQUES DE MATHÉMATIQUES
OLYMPIADES ACADÉMIQUES DE MATHÉMATIQUES ACADÉMIE DE RENNES SESSION 2006 CLASSE DE PREMIERE DURÉE : 4 heures Ce sujet s adresse à tous les élèves de première quelle que soit leur série. Il comporte cinq
Plus en détailAnalyse discriminante et régression logistique: application au cas de l innovation pour les entreprises du Canton du Tessin
Analyse discriminante et régression logistique: application au cas de l innovation pour les entreprises du Canton du Tessin Sandro Petrillo Université de Neuchâtel - Diplôme Postgrade en Statistique Projet
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 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 détailLOW COST TOUT INCLUS FIAT PANDA. Moteur: Essence A/C Radio CD Assurance tous risques sans franchise Réservoir plein PRIX / SEMAINE
LOW COST TOUT INCLUS FIAT PANDA Assurance tous risques sans franchise Réservoir plein 01.01.15-30.06.15 20.09.15 30.06.15 01.07.15-31.07.15 01.08.15-23.08.15 23.08.15-20.09.15 190 240 315 240 LOW COST
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 détailCOMPTE-RENDU «MATHS EN JEANS» LYCEE OZENNE Groupe 1 : Comment faire une carte juste de la Terre?
Claire FORGACZ Marion GALLART Hasnia GOUDJILI COMPTERENDU «MATHS EN JEANS» LYCEE OZENNE Groupe 1 : Comment faire une carte juste de la Terre? Si l on se pose la question de savoir comment on peut faire
Plus en détailNOUVELLE série KTS pour un diagnostic confortable, rapide et fiable
NOUVELLE série KTS pour un diagnostic confortable, rapide et fiable Confortable - Connexion Bluetooth USB spécifique Bosch Rapide - Du branchement aisé de l équipement de mesure jusqu à la détermination
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 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 détailREVUE DE STATISTIQUE APPLIQUÉE
REVUE DE STATISTIQUE APPLIQUÉE H. ABDALLAH G. SAPORTA Mesures de distance entre modalités de variables qualitatives; application à la classification Revue de statistique appliquée, tome 51, n o 2 (2003),
Plus en détailOLYMPIADES ACADEMIQUES DE MATHEMATIQUES. 15 mars 2006 CLASSE DE PREMIERE ES, GMF
OLYMPIADES ACADEMIQUES DE MATHEMATIQUES 15 mars 2006 CLASSE DE PREMIERE ES, GMF Durée : 4 heures Les quatre exercices sont indépendants Les calculatrices sont autorisées L énoncé comporte trois pages Exercice
Plus en détailOscillations libres des systèmes à deux degrés de liberté
Chapitre 4 Oscillations libres des systèmes à deux degrés de liberté 4.1 Introduction Les systèmes qui nécessitent deux coordonnées indépendantes pour spécifier leurs positions sont appelés systèmes à
Plus en détailPLAN. Ricco Rakotomalala Tutoriels Tanagra - http://tutoriels-data-mining.blogspot.fr/ 2
Apprentissage non-supervisé ou apprentissage multi-supervisé? Ricco RAKOTOMALALA Tutoriels Tanagra - http://tutoriels-data-mining.blogspot.fr/ PLAN. Classification automatique, typologie, etc.. Interprétation
Plus en détail1 - PRESENTATION GENERALE...
Contenu PREAMBULE... 2 INTRODUCTION... 2 1 - PRESENTATION GENERALE... 4 Qualité et optimalité... 8 2 - AGREGATION AUTOUR DE CENTRES MOBILES... 9 2.1 LES BASES DE L'ALGORITHME... 10 2.2 TECHNIQUES CONNEXES...
Plus en détailProbabilité. Table des matières. 1 Loi de probabilité 2 1.1 Conditions préalables... 2 1.2 Définitions... 2 1.3 Loi équirépartie...
1 Probabilité Table des matières 1 Loi de probabilité 2 1.1 Conditions préalables........................... 2 1.2 Définitions................................. 2 1.3 Loi équirépartie..............................
Plus en détailAC AB. A B C x 1. x + 1. d où. Avec un calcul vu au lycée, on démontre que cette solution admet deux solutions dont une seule nous intéresse : x =
LE NOMBRE D OR Présentation et calcul du nombre d or Euclide avait trouvé un moyen de partager en deu un segment selon en «etrême et moyenne raison» Soit un segment [AB]. Le partage d Euclide consiste
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 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 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 détailFONCTIONS DE PLUSIEURS VARIABLES (Outils Mathématiques 4)
FONCTIONS DE PLUSIEURS VARIABLES (Outils Mathématiques 4) Bernard Le Stum Université de Rennes 1 Version du 13 mars 2009 Table des matières 1 Fonctions partielles, courbes de niveau 1 2 Limites et continuité
Plus en détailFonctions de deux variables. Mai 2011
Fonctions de deux variables Dédou Mai 2011 D une à deux variables Les fonctions modèlisent de l information dépendant d un paramètre. On a aussi besoin de modéliser de l information dépendant de plusieurs
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 détailLogistique, Transports
Baccalauréat Professionnel Logistique, Transports 1. France, juin 2006 1 2. Transport, France, juin 2005 2 3. Transport, France, juin 2004 4 4. Transport eploitation, France, juin 2003 6 5. Transport,
Plus en détailArithmétique binaire. Chapitre. 5.1 Notions. 5.1.1 Bit. 5.1.2 Mot
Chapitre 5 Arithmétique binaire L es codes sont manipulés au quotidien sans qu on s en rende compte, et leur compréhension est quasi instinctive. Le seul fait de lire fait appel au codage alphabétique,
Plus en détailEXCEL PERFECTIONNEMENT SERVICE INFORMATIQUE. Version 1.0 30/11/05
EXCEL PERFECTIONNEMENT Version 1.0 30/11/05 SERVICE INFORMATIQUE TABLE DES MATIERES 1RAPPELS...3 1.1RACCOURCIS CLAVIER & SOURIS... 3 1.2NAVIGUER DANS UNE FEUILLE ET UN CLASSEUR... 3 1.3PERSONNALISER LA
Plus en 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 détailNotion de fonction. Résolution graphique. Fonction affine.
TABLE DES MATIÈRES 1 Notion de fonction. Résolution graphique. Fonction affine. Paul Milan LMA Seconde le 12 décembre 2011 Table des matières 1 Fonction numérique 2 1.1 Introduction.................................
Plus en détailQuelques éléments de statistique multidimensionnelle
ANNEXE 1 Quelques éléments de statistique multidimensionnelle Les méthodes d analyse statistique exploratoire utilisées au cours des chapitres précédents visent à mettre en forme de vastes ensembles de
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 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 détailEnoncé et corrigé du brevet des collèges dans les académies d Aix- Marseille, Montpellier, Nice Corse et Toulouse en 2000. Énoncé.
Enoncé et corrigé du brevet des collèges dans les académies d Aix- Marseille, Montpellier, Nice Corse et Toulouse en 2000. Énoncé. I- ACTIVITES NUMERIQUES (12 points) Exercice 1 (3 points) On considère
Plus en détailELEC2753 Electrotechnique examen du 11/06/2012
ELEC2753 Electrotechnique examen du 11/06/2012 Pour faciliter la correction et la surveillance, merci de répondre aux 3 questions sur des feuilles différentes et d'écrire immédiatement votre nom sur toutes
Plus en détailCalcul intégral élémentaire en plusieurs variables
Calcul intégral élémentaire en plusieurs variables PC*2 2 septembre 2009 Avant-propos À part le théorème de Fubini qui sera démontré dans le cours sur les intégrales à paramètres et qui ne semble pas explicitement
Plus en détailDOCM 2013 http://docm.math.ca/ Solutions officielles. 1 2 10 + 1 2 9 + 1 2 8 = n 2 10.
A1 Trouvez l entier positif n qui satisfait l équation suivante: Solution 1 2 10 + 1 2 9 + 1 2 8 = n 2 10. En additionnant les termes du côté gauche de l équation en les mettant sur le même dénominateur
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 détailCours d Analyse. Fonctions de plusieurs variables
Cours d Analyse Fonctions de plusieurs variables Licence 1ère année 2007/2008 Nicolas Prioux Université de Marne-la-Vallée Table des matières 1 Notions de géométrie dans l espace et fonctions à deux variables........
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 détail2 nd semestre. Synthèse de l étude D3 Parcours Analyse de la fidélité des clients par marque. En partenariat avec
2 nd semestre 2014 Synthèse de l étude D3 Parcours Analyse de la fidélité des clients par marque En partenariat avec Note de synthèse 1 +33 6 87 70 31 12 1. Cadre général L étude D3 Parcours est réalisée
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 détailFonctions de plusieurs variables
Module : Analyse 03 Chapitre 00 : Fonctions de plusieurs variables Généralités et Rappels des notions topologiques dans : Qu est- ce que?: Mathématiquement, n étant un entier non nul, on définit comme
Plus en détailLE BUDGET DES VENTES
LE BUDGET DES VENTES Objectif(s) : o Pré requis : o Modalités : o o o Elaboration du budget des ventes. Connaissances du processus "ventes". Principes, Synthèse, Application. TABLE DES MATIERES Chapitre
Plus en détail1 radian. De même, la longueur d un arc de cercle de rayon R et dont l angle au centre a pour mesure α radians est α R. R AB =R.
Angles orientés Trigonométrie I. Préliminaires. Le radian Définition B R AB =R C O radian R A Soit C un cercle de centre O. Dire que l angle géométrique AOB a pour mesure radian signifie que la longueur
Plus en détailToutes les unités de moyeu de rechange ne se valent pas. L ignorer peut vous coûter cher en temps, argent et clients perdus.
Toutes les unités de moyeu de rechange ne se valent pas. L ignorer peut vous coûter cher en temps, argent et clients perdus. Les moyeux des première qualité SKF Construits pour égaler ou dépasser les spécifications
Plus en détailExercice 6 Associer chaque expression de gauche à sa forme réduite (à droite) :
Eercice a Développer les epressions suivantes : A-(-) - + B-0(3 ²+3-0) -0 3²+-0 3+00 B -30²-30+00 C-3(-) -3 + 3-3²+6 D-(-) + ² Eerciceb Parmi les epressions suivantes, lesquelles sont sous forme réduite?
Plus en détailDISQUE DUR. Figure 1 Disque dur ouvert
DISQUE DUR Le sujet est composé de 8 pages et d une feuille format A3 de dessins de détails, la réponse à toutes les questions sera rédigée sur les feuilles de réponses jointes au sujet. Toutes les questions
Plus en détailConsommation de flotte (1989 2012)
Bases et méthodologie de comparaison L Association des importateurs suisses d automobiles «auto-suisse» établit chaque année la consommation moyenne des voitures de tourisme vendues appelée consommation
Plus en détailAngles orientés et fonctions circulaires ( En première S )
Angles orientés et fonctions circulaires ( En première S ) Dernière mise à jour : Jeudi 01 Septembre 010 Vincent OBATON, Enseignant au lycée Stendhal de Grenoble (Année 006-007) Lycée Stendhal, Grenoble
Plus en détailExercices Corrigés Premières notions sur les espaces vectoriels
Exercices Corrigés Premières notions sur les espaces vectoriels Exercice 1 On considére le sous-espace vectoriel F de R formé des solutions du système suivant : x1 x 2 x 3 + 2x = 0 E 1 x 1 + 2x 2 + x 3
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 détailDécouverte du logiciel ordinateur TI-n spire / TI-n spire CAS
Découverte du logiciel ordinateur TI-n spire / TI-n spire CAS Mémento Ouvrir TI-Nspire CAS. Voici la barre d outils : L insertion d une page, d une activité, d une page où l application est choisie, pourra
Plus en détailNouveau : Une technologie avant-gardiste d huile moteur
Les informations contenues dans cette brochure sont basées sur l'expérience et le savoir-faire de FUCHS EUROPE SCHMIERSTOFFE GMBH dans le développement et la fabrication de lubrifiants et représentent
Plus en détailTOUT CE QU IL FAUT SAVOIR POUR LE BREVET
TOUT E QU IL FUT SVOIR POUR LE REVET NUMERIQUE / FONTIONS eci n est qu un rappel de tout ce qu il faut savoir en maths pour le brevet. I- Opérations sur les nombres et les fractions : Les priorités par
Plus en détailActions de réduction de bruit sur un moteur poids lourd
10 Actions de réduction de bruit sur un moteur poids lourd Laurent Moulin, Renault VI, 99, route de Lyon, 69802 Saint Priest, e-mail : laurent.moulin@renaultvi.com D epuis 1974 à aujourd hui, la réglementation
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 détailItems étudiés dans le CHAPITRE N5. 7 et 9 p 129 D14 Déterminer par le calcul l'antécédent d'un nombre par une fonction linéaire
CHAPITRE N5 FONCTIONS LINEAIRES NOTION DE FONCTION FONCTIONS LINEAIRES NOTION DE FONCTION FONCTIONS LINEAIRES NOTION DE FONCTION Code item D0 D2 N30[S] Items étudiés dans le CHAPITRE N5 Déterminer l'image
Plus en détailAlgorithmes pour la planification de mouvements en robotique non-holonome
Algorithmes pour la planification de mouvements en robotique non-holonome Frédéric Jean Unité de Mathématiques Appliquées ENSTA Le 02 février 2006 Outline 1 2 3 Modélisation Géométrique d un Robot Robot
Plus en détailUtiliser des fonctions complexes
Chapitre 5 Utiliser des fonctions complexes Construire une formule conditionnelle avec la fonction SI Calculer un remboursement avec la fonction VPN Utiliser des fonctions mathématiques Utiliser la fonction
Plus en détailSTATIQUE GRAPHIQUE ET STATIQUE ANALYTIQUE
ÉCOLE D'INGÉNIEURS DE FRIBOURG (E.I.F.) SECTION DE MÉCANIQUE G.R. Nicolet, revu en 2006 STATIQUE GRAPHIQUE ET STATIQUE ANALYTIQUE Eléments de calcul vectoriel Opérations avec les forces Equilibre du point
Plus en détailBiostatistiques Biologie- Vétérinaire FUNDP Eric Depiereux, Benoît DeHertogh, Grégoire Vincke
www.fundp.ac.be/biostats Module 140 140 ANOVA A UN CRITERE DE CLASSIFICATION FIXE...2 140.1 UTILITE...2 140.2 COMPARAISON DE VARIANCES...2 140.2.1 Calcul de la variance...2 140.2.2 Distributions de référence...3
Plus en détaila et b étant deux nombres relatifs donnés, une fonction affine est une fonction qui a un nombre x associe le nombre ax + b
I Définition d une fonction affine Faire l activité 1 «une nouvelle fonction» 1. définition générale a et b étant deux nombres relatifs donnés, une fonction affine est une fonction qui a un nombre x associe
Plus en détailTest : principe fondamental de la dynamique et aspect énergétique
Durée : 45 minutes Objectifs Test : principe fondamental de la dynamique et aspect énergétique Projection de forces. Calcul de durée d'accélération / décélération ou d'accélération / décélération ou de
Plus en détail01-2014 Brochure ALD ELECTRIC PART OF ALD NEWMOBILITY
01-2014 Brochure ALD ELECTRIC PART OF ALD NEWMOBILITY 1 Brochure ALD electric INTRODUCTION Notre offre ALD electric se compose d une gamme très complète de véhicules électriques comprenant des hybrides
Plus en détailHuiles moteurs pour véhicules légers
Contact: Huiles moteurs pour véhicules légers FUCHS LUBRIFIANT FRANCE DIVISION AUTO MOTO 81, RUE DE L'INDUSTRIE 92500 RUEIL-MALMAISON TEL. : 01.41.37.42.00 FAX : 01.41.37.42.01 www.fuchs-oil.fr Des huiles
Plus en détailISFA 2 année 2002-2003. Les questions sont en grande partie indépendantes. Merci d utiliser l espace imparti pour vos réponses.
On considère la matrice de données : ISFA 2 année 22-23 Les questions sont en grande partie indépendantes Merci d utiliser l espace imparti pour vos réponses > ele JCVGE FM1 GM JCRB FM2 JMLP Paris 61 29
Plus en détailUn K-espace vectoriel est un ensemble non vide E muni : d une loi de composition interne, c est-à-dire d une application de E E dans E : E E E
Exo7 Espaces vectoriels Vidéo partie 1. Espace vectoriel (début Vidéo partie 2. Espace vectoriel (fin Vidéo partie 3. Sous-espace vectoriel (début Vidéo partie 4. Sous-espace vectoriel (milieu Vidéo partie
Plus en détailExercices du Cours de la programmation linéaire donné par le Dr. Ali DERBALA
75. Un plombier connaît la disposition de trois tuyaux sous des dalles ( voir figure ci dessous ) et il lui suffit de découvrir une partie de chacun d eux pour pouvoir y poser les robinets. Il cherche
Plus en détailDiviser un nombre décimal par 10 ; 100 ; 1 000
Diviser un nombre décimal par 10 ; 100 ; 1 000 Diviser un nombre décimal par 10 ; 100 ; 1 000. 23 1 et 2 Pauline collectionne les cartes «Tokéron» depuis plusieurs mois. Elle en possède 364 et veut les
Plus en détailVision industrielle et télédétection - Détection d ellipses. Guillaume Martinez 17 décembre 2007
Vision industrielle et télédétection - Détection d ellipses Guillaume Martinez 17 décembre 2007 1 Table des matières 1 Le projet 3 1.1 Objectif................................ 3 1.2 Les choix techniques.........................
Plus en détailBACCALAURÉAT GÉNÉRAL SESSION 2012 OBLIGATOIRE MATHÉMATIQUES. Série S. Durée de l épreuve : 4 heures Coefficient : 7 ENSEIGNEMENT OBLIGATOIRE
BACCALAURÉAT GÉNÉRAL SESSION 2012 MATHÉMATIQUES Série S Durée de l épreuve : 4 heures Coefficient : 7 ENSEIGNEMENT OBLIGATOIRE Les calculatrices électroniques de poche sont autorisées, conformément à la
Plus en détailVISUALISATION DES DISTANCES ENTRE LES CLASSES DE LA CARTE DE KOHONEN POUR LE DEVELOPPEMENT D'UN OUTIL D'ANALYSE ET DE REPRESENTATION DES DONNEES
VISUALISATION DES DISTANCES ENTRE LES CLASSES DE LA CARTE DE KOHONEN POUR LE DEVELOPPEMENT D'UN OUTIL D'ANALYSE ET DE REPRESENTATION DES DONNEES Patrick Rousset 1,2 et Christiane Guinot 3 1 CEREQ, Service
Plus en détail5KNA Productions 2013
Une Histoire de l Automobile 5KNA Productions 2013 1769 Le Fardier de Cugnot Chariot propulsé par une chaudière à vapeur. Vitesse: 4 km/h. Autonomie: 15 minutes 1770 Le premier accident Le Fardier, sans
Plus en détailPolynômes à plusieurs variables. Résultant
Polynômes à plusieurs variables. Résultant Christophe Ritzenthaler 1 Relations coefficients-racines. Polynômes symétriques Issu de [MS] et de [Goz]. Soit A un anneau intègre. Définition 1.1. Soit a A \
Plus en détailMaster IMA - UMPC Paris 6 RDMM - Année 2009-2010 Fiche de TP
Master IMA - UMPC Paris 6 RDMM - Année 2009-200 Fiche de TP Préliminaires. Récupérez l archive du logiciel de TP à partir du lien suivant : http://www.ensta.fr/~manzaner/cours/ima/tp2009.tar 2. Développez
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 détailRappel sur les bases de données
Rappel sur les bases de données 1) Généralités 1.1 Base de données et système de gestion de base de donnés: définitions Une base de données est un ensemble de données stockées de manière structurée permettant
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 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 détailÉtude de cas Assurance
Étude de cas Assurance I.Les données L échantillon est constitué de 1106 assurés Belges observés en 1992 et répartis en 2 groupes. - les assurés qui n ont eu aucun accident dans l année, qui sont au nombre
Plus en détailMathématiques et petites voitures
Mathématiques et petites voitures Thomas Lefebvre 10 avril 2015 Résumé Ce document présente diérentes applications des mathématiques dans le domaine du slot-racing. Table des matières 1 Périmètre et circuit
Plus en détailMANUEL D UTILISATION DE LA DECLARATION S.I.G.A.D
MANUEL D UTILISATION DE LA DECLARATION S.I.G.A.D Système d Information et de Gestion Automatisée des Douanes 1 INTRODUCTION MASQUE PRINCIPAL SAISIE DECLARATION - Année agrément - Numéro agrément - Nom
Plus en détailChapitre 02. La lumière des étoiles. Exercices :
Chapitre 02 La lumière des étoiles. I- Lumière monochromatique et lumière polychromatique. )- Expérience de Newton (642 727). 2)- Expérience avec la lumière émise par un Laser. 3)- Radiation et longueur
Plus en détailQ6 : Comment calcule t-on l intensité sonore à partir du niveau d intensité?
EXERCICE 1 : QUESTION DE COURS Q1 : Qu est ce qu une onde progressive? Q2 : Qu est ce qu une onde mécanique? Q3 : Qu elle est la condition pour qu une onde soit diffractée? Q4 : Quelles sont les différentes
Plus en détailDistribution Uniforme Probabilité de Laplace Dénombrements Les Paris. Chapitre 2 Le calcul des probabilités
Chapitre 2 Le calcul des probabilités Equiprobabilité et Distribution Uniforme Deux événements A et B sont dits équiprobables si P(A) = P(B) Si il y a équiprobabilité sur Ω, cad si tous les événements
Plus en détailDéfinition 0,752 = 0,7 + 0,05 + 0,002 SYSTÈMES DE NUMÉRATION POSITIONNELS = 7 10 1 + 5 10 2 + 2 10 3
8 Systèmes de numération INTRODUCTION SYSTÈMES DE NUMÉRATION POSITIONNELS Dans un système positionnel, le nombre de symboles est fixe On représente par un symbole chaque chiffre inférieur à la base, incluant
Plus en détailDURÉE DE VIE ET DE. Michel JAMBU, Centre National d'etudes des Télécommunications France Direction scientifique
ESTIMATION ET PRÉDICTION DE LA FIDÉLITÉ, DE LA DURÉE DE VIE ET DE LA VALEUR ÉCONOMIQUE DES CLIENTS PAR DES TECHNIQUES DE DATAMINING Michel JAMBU, Centre National d'etudes des Télécommunications France
Plus en détailSINE QUA NON. Découverte et Prise en main du logiciel Utilisation de bases
SINE QUA NON Découverte et Prise en main du logiciel Utilisation de bases Sine qua non est un logiciel «traceur de courbes planes» mais il possède aussi bien d autres fonctionnalités que nous verrons tout
Plus en détailPREPROCESSING PAR LISSAGE LOESS POUR ACP LISSEE
PREPROCESSING PAR LISSAGE LOESS POUR ACP LISSEE Jean-Paul Valois, Claude Mouret & Nicolas Pariset Total, 64018 Pau Cédex MOTS CLEFS : Analyse spatiale, ACP, Lissage, Loess PROBLEMATIQUE En analyse multivariée,
Plus en détailAssistant d e tablissement de Tableaux
Assistant d e tablissement de Tableaux Cet outil est autonome et doit être installé sur votre ordinateur sous Windows. Cet outil n est pas parfait, il peut proposer des solutions non correctes, le tableau
Plus en détailSeconde Généralités sur les fonctions Exercices. Notion de fonction.
Seconde Généralités sur les fonctions Exercices Notion de fonction. Exercice. Une fonction définie par une formule. On considère la fonction f définie sur R par = x + x. a) Calculer les images de, 0 et
Plus en détailLa simulation probabiliste avec Excel
La simulation probabiliste avec Ecel (2 e version) Emmanuel Grenier emmanuel.grenier@isab.fr Relu par Kathy Chapelain et Henry P. Aubert Incontournable lorsqu il s agit de gérer des phénomènes aléatoires
Plus en détail