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

Save this PDF as:

Dimension: px
Commencer à balayer dès la page:

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

Transcription

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

2 INTRODUCTION Données : n individus observés sur p variables quantitatives. L A.C.P. permet d eplorer les liaisons entre variables et les ressemblances entre individus. Résultats : Visualisation des individus (Notion de distances entre individus) Visualisation des variables (en fonction de leurs corrélations)

3 INTERPRÉTATION DES RÉSULTATS Mesurer la qualité des représentations obtenues : critère global critères individuels «Donner des noms au aes» Epliquer la position des individus Utilisation éventuelle de variables supplémentaires (illustratives) 3

4 I. L ANALYSE EN COMPOSANTES PRINCIPALES LE PROBLÈME. LES DONNÉES p variables quantitatives observées sur n individus. X X X j X p j p j p X (n,p) n i i j i p individu e' i n n j Variable X j p n p INDIVIDU = Élément de R p VARIABLE = Élément de R n 4

5 On cherche à représenter le nuage des individus. A chaque individu noté e i, on peut associer un point dans R p = espace des individus. A chaque variable du tableau X est associé un ae de R p. X 3 i 3 e i Impossible à visualiser dès que p > 3. i X i X 5

6 . PRINCIPE DE L A.C.P. On cherche une représentation des n individus, dans un sous-espace F k de R p de dimension k ( k petit, 3 ; par eemple un plan) Autrement dit, on cherche à définir k nouvelles variables combinaisons linéaires des p variables initiales qui feront perdre le moins d information possible. Ces variables seront appelées «composantes principales», les aes qu elles déterminent : «aes principau» les formes linéaires associées : «facteurs principau» 6

7 X X ae ON VISUALISE ae X i ae 3 F 3 R p aes principau 7

8 «Perdre le moins d information possible» F k devra être «ajusté» le mieu possible au nuage des individus: la somme des carrés des distances des individus à F k doit être minimale. F k est le sous-espace tel que le nuage projeté ait une inertie (dispersion) maimale. et sont basées sur les notions de : distance projection orthogonale 8

9 e i e j β j β i Δ f i f j α i α j Δ La distance entre f i et f j est inférieure ou égale à celle entre e i et e j 9

10 3. LE CHOIX DE LA DISTANCE ENTRE INDIVIDUS y B y A A B Dans le plan: (, ) = ( ) + ( ) d A B y y B A B A A B Dans l espace R p à p dimensions, on généralise cette notion : la distance euclidienne entre deu individus s écrit: e ( p... ) ( p e ) j = j j... j i = i i i p p ( i, j) = ( i j) + ( i j) +... ( i j ) d e e p k ( i, j) = ( k i j ) d e e Le problème des unités? k= 0

11 Pour résoudre ce problème, on choisit de transformer les données en données centrées-réduites. i k L observation est alors remplacée par : UNITÉS D ÉCART TYPE: Eemple : k = k i s où : moyenne de la variable X k s k = écart-type de la variable X k Puissance moyenne de 30 voitures = 9 ch Ecart-type = 4 ch La Renault TXI a une puissance de 40 ch La Renault TXI a une puissance de : écarts-type au-dessus de la moyenne. k = k

12 4. INERTIE TOTALE I g = n d n i = ( e g) i, ou de façon plus générale n g = i i i= ( ) I p d e,g avec n i= p = i L inertie est la somme pondérée des carrés des distances des individus au centre de gravité g L inertie mesure la dispersion totale du nuage de points.

13 L inertie est donc aussi égale à la somme des variances des variables étudiées. En notant V la matrice de variances-covariances : V = s... s p Remarque s s... s p... s p I g I = g = p s i i= ( ) Tr V Dans le cas où les variables sont centrées réduites, la variance de chaque variable vaut. L inertie totale est alors égale à p (nombre de variables). 3

14 Équivalence des deu critères concernant la perte d information e i Projection orthogonale du nuage sur un sous-espace F g f i Soit F un sous-ensemble de R p f i e i la projection orthogonale de sur F i i i i e g = e f + f g i=... n 4

15 On va chercher F tel que : n p e f i= i i i soit minimal ce qui revient d après le théorème de Pythagore à maimiser : n i= pi f i g 5

16 i i i i e g = e f + f g i=... n Donc : pi ei g pi ei fi = pi fi g = = = i n i n Inertie totale minimiser cette quantité (carrés des distances entre points individus et leurs projections) i n maimiser l inertie du nuage projeté 6

17 II. LA SOLUTION DU PROBLÈME POSÉ La recherche d aes portant le maimum d inertie équivaut à la construction de nouvelles variables (auquelles sont associés ces aes) de variance maimale. En d autres termes, on effectue un changement de repère dans R p de façon à se placer dans un nouveau système de représentation où le premier ae apporte le plus possible de l inertie totale du nuage, le deuième ae le plus possible de l inertie non prise en compte par le premier ae, et ainsi de suite. Cette réorganisation s appuie sur la diagonalisation de la matrice de variances-covariances. 7

18 . SOLUTION Aes principau On appelle aes principau d inertie les aes de direction les vecteurs propres de V normés à. Il y en a p. Le premier ae est celui associé à la plus grande valeur propre. On le note u Le deuième ae est celui associé à la deuième valeur propre. On le note u... 8

19 Composantes principales À chaque ae est associée une variable appelée composante principale. La composante c est le vecteur renfermant les cordonnées des projections des individus sur l ae. La composante c est le vecteur renfermant les cordonnées des projections des individus sur l ae. Pour obtenir ces coordonnées, on écrit que chaque composante principale est une combinaison linéaire des variables initiales. Eemple p c = u + u +... u p 9

20 . PROPRIÉTÉS DES COMPOSANTES PRINCIPALES La variance d une composante principale est égale à l inertie portée par l ae principal qui lui est associé. ère composante c variance : ème composante c variance : 3 ème composante c 3 variance : λ λ λ 3 Les composantes principales sont non corrélées deu à deu. En effet, les aes associés sont orthogonau. 0

21 3. REPRÉSENTATION DES INDIVIDUS j c j c La j ème j composante principale c = fournit les j c coordonnées des n individus sur le j ème n ae principal.... Si on désire une représentation plane des individus, la meilleure sera celle réalisée grâce au deu premières composantes principales.

22 e i c i g c i e j Attention à la qualité de représentation de chaque individu!

23 4. REPRÉSENTATION DES VARIABLES Les «proimités» entre les composantes principales et les variables initiales sont mesurées par les covariances, et surtout les corrélations. ( j i) rc, c j i est le coefficient de corrélation linéaire entre et c (, i ) r c i r ( c, i ) c CERCLE DES CORRÉLATIONS 3

24 5. INTERPRETATION DES «PROXIMITÉS» ENTRE VARIABLES On utilise un produit scalaire entre variables permettant d associer au paramètres courants : écart-type, coefficient de corrélation linéaire des représentations géométriques., n i j i j = k k n k = On suppose les variables centrées. 4

25 ( ) i j i j, = Cov,, n i i i ( i ) = = k n k= i = s Variance de i i i = s i Écart-type de i 5

26 Coefficient de corrélation linéaire i j ( i j) (, Cov X,X ) ( ) i j i j Cos X,X = r X,X i j X X = s s = i j Le cosinus de l angle formé par les variables X i et X j est le coefficient de corrélation linéaire de ces deu variables 6

27 X et X ont une corrélation proche de. X 3 X X et X 3 ont une corrélation proche de 0. X 6 X 5 X X 4 CERCLE DES CORRÉLATIONS 7

28 III. VALIDITÉ DES REPRÉSENTATIONS. CRITÈRE GLOBAL λ i λ + λ +... λ Eemple : p mesure la part d inertie epliquée par l ae i. λ + λ p λ i i= est la part d inertie epliquée par le premier plan principal. Ce critère (souvent eprimé en pourcentage) mesure le degré de reconstitution des carrés des distances. La réduction de dimension est d autant plus forte que les variables de départ sont plus corrélées. 8

29 Combien d aes? Différentes procédures sont complémentaires: Pourcentage d inertie souhaité : a priori Diviser l inertie totale par le nombre de variables initiales inertie moyenne par variable : I.M. Conserver tous les aes apportant une inertie supérieure à cette valeur I.M. (inertie > si variables centrées réduites). Histogramme Conserver les aes associés au valeurs propres situées avant la cassure. 4 3 λ λ λ 3 = 4,5 = 3,8 =,9 λ λ λ 3 λ 4 λ 5 λ 6 λ 7 cassure 9

30 . CRITÈRES INDIVIDUELS Cosinus carrés e i ae θ θ θ f i y ae cos θ= cos θ + cos θ 30

31 Pour chaque individu, la qualité de sa représentation est définie par le carré du cosinus de l angle entre l ae de projection et le vecteur e i. Plus la valeur est proche de, meilleure est la qualité de représentation En général, les qualités de représentation sont données ae par ae. Pour avoir la qualité de représentation dans un plan, on additionne les critères correspondant au aes étudiés. Ce critère n a pas de signification pour les individus proches de l origine. Quand on détecte un individu pour lequel le cosinus carré est faible, on doit tenir compte de sa distance à l origine avant d indiquer qu il est mal représenté 3

32 Contributions Il est très utile aussi de calculer pour chaque ae la contribution apportée par les divers individus à cet ae. Considérons la k ième composante principale, soit la valeur de la composante pour le i ème individu. n ( ) n c k i =λ i= k c k c i k La contribution de l individu e i à la composante n k est définie par n ( c k ) i λ k 3

33 Remarque : Il n est pas souhaitable qu un individu ait une contribution ecessive (car facteur d instabilité) éliminer les individus dont la contribution est trop importante. Problème des enquêtes par sondage 33

34 3. REPRÉSENTATION DES VARIABLES Le cercle des corrélations est la projection du nuage des variables sur le plan des composantes principales. c corrélation = cosinus c Les variables bien représentées sont celles qui sont proches du cercle, celles qui sont proches de l origine sont mal représentées. 34

35 4. INTERPRÉTATION EXTERNE : VARIABLES ET INDIVIDUS SUPPLÉMENTAIRES (ILLUSTRATIFS) 4. Variables Variable quantitative: On calcule le coefficient de corrélation entre la variable supplémentaire et les composantes principales. Ceci permet sa représentation sur le cercle des corrélations. 35

36 Variable qualitative Identification des individus de chaque catégorie de la variable Représentation de chaque catégorie par son centre de gravité. Calcul du rapport de corrélation entre la variable qualitative supplémentaire et chaque composante principale (test de Fischer-Snedecor) ou valeur-test dans SPAD. 36

37 Individus Individu de poids nul ne participant pas à l analyse (fichier test). Appliquer au coordonnées de l individu les epressions définissant les composantes principales. 37

1 Complément sur la projection du nuage des individus

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

Plus en détail

HUITIEME PARTIE ANALYSE EN COMPSANTES PRINCIPALES

HUITIEME PARTIE ANALYSE EN COMPSANTES PRINCIPALES 105 HUITIEME PARTIE ANALYSE EN COMPSANTES PRINCIPALES 1. Introduction En statistiques il arrive fréquemment que les individus soient décrits par un grand nombre de caractères. : voitures décrites par leur

Plus en détail

Introduction sur l analyse en composantes principales (ACP)

Introduction sur l analyse en composantes principales (ACP) Introduction sur l analyse en composantes principales (CP) ) Introduction sur un exemple à 2 dimensions On veut représenter graphiquement les profils d élèves qui ont été notés sur 2 matières (Français

Plus en détail

Second degré : Résumé de cours et méthodes

Second degré : Résumé de cours et méthodes Second degré : Résumé de cours et méthodes 1 Définitions : DÉFINITIN n appelle trinôme du second degré toute fonction f définie sur R par f () = a + b + c (a,b et c réels avec a 0). Remarque : Par abus

Plus en détail

Introduction à l analyse des données. Olivier Godechot

Introduction à l analyse des données. Olivier Godechot Introduction à l analyse des données Olivier Godechot Introduction. Les données statistiques : de très nombreuses variables. Aucune n est parfaite La perception d un phénomène appréhendée comme la combinaison

Plus en détail

Laboratoire 2 Extraction des caractéristiques

Laboratoire 2 Extraction des caractéristiques Laboratoire 2 Extraction des caractéristiques L objectif de l extraction et de la sélection de caractéristiques est d identifier les caractéristiques importantes pour la discrimination entre classes. Après

Plus en détail

1.1 Définitions... 2 1.2 Opérations élémentaires... 2 1.3 Systèmes échelonnés et triangulaires... 3

1.1 Définitions... 2 1.2 Opérations élémentaires... 2 1.3 Systèmes échelonnés et triangulaires... 3 Chapitre 5 Systèmes linéaires 1 Généralités sur les systèmes linéaires 2 11 Définitions 2 12 Opérations élémentaires 2 13 Systèmes échelonnés et triangulaires 3 2 Résolution des systèmes linéaires 3 21

Plus en détail

Analyse de Données. Analyse en Composantes Principales (ACP)

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

Plus en détail

Analyse en Composantes Principales

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

Plus en détail

Analyse en composantes principales Christine Decaestecker & Marco Saerens ULB & UCL

Analyse en composantes principales Christine Decaestecker & Marco Saerens ULB & UCL Analyse en composantes principales Christine Decaestecker & Marco Saerens ULB & UCL LINF 2275 Stat. explor. multidim. 1 A.C.P.: Analyse en Composantes Principales Analyse de la structure de la matrice

Plus en détail

1 Notion d espace vectoriel

1 Notion d espace vectoriel Arnaud de Saint Julien - MPSI Lycée La Merci 2014-2015 1 Résumé de cours sur les espaces vectoriels et les applications linéaires Les vecteurs du plan, les nombres réels, et les polynômes à coefficients

Plus en détail

Cours 2-3 Analyse des données multivariées

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

Plus en détail

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

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

Plus en détail

Ch2 : Analyse en Composantes Principales (ACP)

Ch2 : Analyse en Composantes Principales (ACP) Ch2 : Analyse en Composantes Principales (ACP) A- Objectifs B- construction d un espace factoriel C- Les étapes d une ACP D- Interprétation E- Limites A- Objectifs On dispose d un tableau de données X.

Plus en détail

Analyse en Composantes Principales

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

Plus en détail

Séance 2: Modèle Euclidien

Séance 2: Modèle Euclidien Généralités Métrique sur les INDIVIDUS Métrique sur les VARIABLES Inertie Analyse des individus Laboratoire de Statistique et Probabilités UMR 5583 CNRS-UPS www.lsp.ups-tlse.fr/gadat Généralités Métrique

Plus en détail

Calcul Matriciel. Chapitre 10. 10.1 Qu est-ce qu une matrice? 10.2 Indexation des coefficients. 10.3 Exemples de matrices carrées.

Calcul Matriciel. Chapitre 10. 10.1 Qu est-ce qu une matrice? 10.2 Indexation des coefficients. 10.3 Exemples de matrices carrées. Chapitre 10 Calcul Matriciel 101 Qu est-ce qu une matrice? Définition : Soit K un ensemble de nombres exemples, K = N, Z, Q, R, C, n, p N On appelle matrice à n lignes et p colonnes la données de np nombres

Plus en détail

Analyse discriminante

Analyse discriminante Analyse discriminante Christine Decaestecker & Marco Saerens ULB & UCL LINF2275 1 Analyse Discriminante Particularités: 2 formes/utilisations complémentaires: méthode factorielle: description "géométrique"

Plus en détail

Cours de mathématiques - Alternance Gea

Cours de mathématiques - Alternance Gea Cours de mathématiques - Alternance Gea Anne Fredet 11 décembre 005 1 Calcul matriciel Une matrice n m est un tableau de nombres à n lignes( et m colonnes. 1 0 Par exemple, avec n = et m =, on peut considérer

Plus en détail

Bac Blanc Terminale ES - Février 2011 Épreuve de Mathématiques (durée 3 heures)

Bac 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 détail

Analyse en composantes principales

Analyse en composantes principales Analyse en composantes principales Alain Rakotomamonjy - Gilles Gasso. INSA Rouen -Département ASI Laboratoire LITIS Analyse en composantes principales p. 1/18 Introduction Objectifs Soit {x i } i=1,,l

Plus en détail

un repère orthonormé de l espace.

un repère orthonormé de l espace. Terminale S GEOMETRIE Ch 13 DANS L ESPACE. Soit ( O ; i, j, k ) un repère orthonormé de l espace. I) Droites et plans dans l espace : Propriété 1 : Soient A et B deux points de l espace. AB est l ensemble

Plus en détail

Cours de Statistiques

Cours de Statistiques Cours de Statistiques Romain Raveaux 1 1 Laboratoire L3I Université de La Rochelle romain.raveaux01 at univ-lr.fr Octobre 24-11, 2008 1 / 35 Sommaire 1 Quelques Rappels 2 numériques Relations entre deux

Plus en détail

Cours Diagonalisation

Cours Diagonalisation Cours Diagonalisation par Pierre Veuillez 1 Objectif Pour une matrice A donnée, déterminer une matrice D diagonale et une matrice P inversible telle que A = P D P 1. Interprètation : Quelle relation reconnaît-on?

Plus en détail

Chapitre 3. Les distributions à deux variables

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

Plus en détail

Intégration de polynômes Points de Gauss

Intégration de polynômes Points de Gauss Intégration de polynômes Points de Gauss Commençons par un exercice classique de premier cycle. Problème 1 Trouver trois réels α, β et γ tels que, pour tout polynôme P de degré au plus 2, on ait : ( )

Plus en détail

Solutions du Concours Fryer 2003

Solutions du Concours Fryer 2003 Concours canadien de mathématiques Une activité du Centre en mathématiques et en Université de Waterloo, Waterloo, Ontario Solutions du Concours Fryer 2003 (9 e année) (Secondaire III au Québec) pour les

Plus en détail

Analyse multidimensionnelle de données longitudinales

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

Plus en détail

Analyse en Composantes. Principales

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

Plus en détail

Fonctions homographiques

Fonctions homographiques Fonctions homographiques On donne ci-dessous deux définitions des fonctions homographiques, et on montre que ces deux définitions sont équivalentes. On décrit la courbe représentative d une fonction homographique.

Plus en détail

Installation de la librairie VISP et création du projet

Installation de la librairie VISP et création du projet ESIR3-IN Travaux Pratiques VO 2012-2013 PREAMBULE Copier les données des TPs 1. créez un répertoire VO dans votre homedir cd ~/ mkdir VO cd VO 2. copier le dossier contenant toutes les données pour les

Plus en détail

Mathématiques pré-calcul 12 EXAMEN DE RÉFÉRENCE B

Mathématiques pré-calcul 12 EXAMEN DE RÉFÉRENCE B Mathématiques pré-calcul 12 Cahier d eamen II Questions à choi multiple et questions à réponse écrite EXAMEN DE RÉFÉRENCE B N OUVRE AUCUN CAHIER D EXAMEN AVANT QU ON TE LE PERMETTE. Nombre de pages : 23

Plus en détail

La gestion des ventes.

La gestion des ventes. I. La prévision des ventes. A. Principe. La gestion des ventes. Elle consiste à déterminer les ventes futures à la fois en quantité et en valeur en tenant compte des tendances et contraintes imposées à

Plus en détail

Application des méthodes de décomposition en composantes principales à la climatologie

Application des méthodes de décomposition en composantes principales à la climatologie Application des méthodes de décomposition en composantes principales à la climatologie Etude d un exemple: les modes de variabilité de la température de surface de la mer dans l océan Atlantique tropical

Plus en détail

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

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

Plus en détail

Formulaire de maths Algèbre linéaire et multilinéaire

Formulaire de maths Algèbre linéaire et multilinéaire Formulaire de maths Algèbre linéaire et multilinéaire Nom Formule Espaces vectoriels Famille libre On dit que la famille est libre si Famille liée On dit que la famille est liée si Théorème de la base

Plus en détail

TRAVAIL PRATIQUE. 2x + 1. x + 1

TRAVAIL PRATIQUE. 2x + 1. x + 1 A - Polynômes et factorisation Résultats d apprentissage générau C COMMUNICATION RP RÉSOLUTION DE PROBLÈMES L LIENS R RAISONNEMENT E ESTIMATION ET CALCUL MENTAL T TECHNOLOGIE V VISUALISATION généraliser

Plus en détail

Chapitre 1 : Évolution COURS

Chapitre 1 : Évolution COURS Chapitre 1 : Évolution COURS OBJECTIFS DU CHAPITRE Savoir déterminer le taux d évolution, le coefficient multiplicateur et l indice en base d une évolution. Connaître les liens entre ces notions et savoir

Plus en détail

Paramètres de position

Paramètres de position Paramètres de position 1 On va parler ici des statistiques quantitatives. On veut les résumer par des nombres. On a deux types de nombres Les paramètre de position : ce sont ceux qui définissent une notion

Plus en détail

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

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

Plus en détail

Oscillations libres des systèmes à deux degrés de liberté

Oscillations 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 détail

Optimisation linéaire

Optimisation linéaire Optimisation linéaire Recherche opérationnelle GC-SIE Algorithme du simplexe Phase I 1 Introduction Algorithme du simplexe : Soit x 0 une solution de base admissible Comment déterminer x 0? Comment déterminer

Plus en détail

Fonctions de référence Variation des fonctions associées

Fonctions de référence Variation des fonctions associées DERNIÈRE IMPRESSION LE 9 juin 05 à 8:33 Fonctions de référence Variation des fonctions associées Table des matières Fonction numérique. Définition.................................. Ensemble de définition...........................3

Plus en détail

CHAPITRE 7 Fonction carré et fonction inverse

CHAPITRE 7 Fonction carré et fonction inverse CHAPITRE 7 Fonction carré et fonction inverse A) La fonction "carré" : f() = ² ) Domaine de définition Elle est définie sur ℝ complet (on peut toujours multiplier deu nombres entre eu). 2) Sens de variation

Plus en détail

Cahier de vacances - Préparation à la Première S

Cahier de vacances - Préparation à la Première S Cahier de vacances - Préparation à la Première S Ce cahier est destiné à vous permettre d aborder le plus sereinement possible la classe de Première S. Je vous conseille de le travailler pendant les 0

Plus en détail

Séance 12: Algorithmes de Support Vector Machines

Séance 12: Algorithmes de Support Vector Machines Séance 12: Algorithmes de Support Vector Machines Laboratoire de Statistique et Probabilités UMR 5583 CNRS-UPS www.lsp.ups-tlse.fr/gadat Douzième partie XII Algorithmes de Support Vector Machines Principe

Plus en détail

x x² = y x -3-2 -1-0,5 0 0,5 1 2 3 y CHAPITRE 12 I. INTRODUCTION

x x² = y x -3-2 -1-0,5 0 0,5 1 2 3 y CHAPITRE 12 I. INTRODUCTION CHAPITRE 2 FONCTIONS I. INTRODUCTION Une fonction est «une machine à transformer des nombres». Par eemple, la fonction «carré» désigne la «machine» qui transforme les nombres en leurs carrés. Ainsi elle

Plus en détail

Simulation Examen de Statistique Approfondie II **Corrigé **

Simulation Examen de Statistique Approfondie II **Corrigé ** Simulation Examen de Statistique Approfondie II **Corrigé ** Ces quatre exercices sont issus du livre d exercices de François Husson et de Jérôme Pagès intitulé Statistiques générales pour utilisateurs,

Plus en détail

Analyse en composantes principales (ACP)

Analyse en composantes principales (ACP) Analyse en composantes principales (ACP) François Husson Laboratoire de mathématiques appliquées - Agrocampus Rennes husson@agrocampus-ouest.fr 1 / 31 Quel type de données? L ACP s intéresse à des tableaux

Plus en détail

Produit scalaire dans l Espace

Produit scalaire dans l Espace Produit scalaire dans l Espace Christophe ROSSIGNOL Année scolaire 014/015 Table des matières 1 Produit scalaire du plan 1.1 Différentes expressions du produit scalaire............................... 1.

Plus en détail

La notion de dualité

La notion de dualité La notion de dualité Dual d un PL sous forme standard Un programme linéaire est caractérisé par le tableau simplexe [ ] A b. c Par définition, le problème dual est obtenu en transposant ce tableau. [ A

Plus en détail

Méthodes de placement multidimensionnelles. Fabrice Rossi Télécom ParisTech

Méthodes de placement multidimensionnelles. Fabrice Rossi Télécom ParisTech Méthodes de placement multidimensionnelles Fabrice Rossi Télécom ParisTech Plan Introduction Analyse en composantes principales Modèle Qualité et interprétation Autres méthodes 2 / 27 F. Rossi Plan Introduction

Plus en détail

Programmation linéaire

Programmation 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 détail

2. MATRICES ET APPLICATIONS LINÉAIRES

2. MATRICES ET APPLICATIONS LINÉAIRES 2. MATRICES ET APPLICATIONS LINÉAIRES 2.1 Définition Une matrice n m est un tableau rectangulaire de nombres (réels en général) à n lignes et m colonnes ; n et m sont les dimensions de la matrice. Notation.

Plus en détail

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

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

Plus en détail

Université Joseph Fourier MAT231 2008-2009

Université Joseph Fourier MAT231 2008-2009 Université Joseph Fourier MAT231 2008-2009 mat231-exo-03.tex (29 septembre 2008) Feuille d exercices n o 3 Exercice 3.1 Soit K un corps commutatif et soit {P 0, P 1,... P n } une famille de polynômes de

Plus en détail

Théorie et codage de l information

Théorie et codage de l information Théorie et codage de l information Les codes de Hamming et les codes cycliques - Chapitre 6 (suite et fin)- Les codes de Hamming Principe La distance minimale d un code linéaire L est le plus petit nombre

Plus en détail

Statistique : Résumé de cours et méthodes

Statistique : 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 détail

Partie I. Les données quantitatives

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

Plus en détail

Mathématiques Complément et synthèse I

Mathématiques Complément et synthèse I Définition du domaine d'examen MAT-4- Mathématiques Complément et synthèse I Mise à jour novembre 004 Définition du domaine d'examen MAT-4- Mathématiques Complément et synthèse I Mise à jour novembre 004

Plus en détail

Partie I. Les données quantitatives

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

Plus en détail

Série statistique double à l aide d un exemple

Série statistique double à l aide d un exemple Série statistique double à l aide d un exemple Série statistique double: exemple... 2 Série statistique double: questions posées... 3 Calcul de la covariance sur la base de l'exemple... 4 Calcul du coefficient

Plus en détail

Cours de Mécanique du point matériel

Cours de Mécanique du point matériel Cours de Mécanique du point matériel SMPC1 Module 1 : Mécanique 1 Session : Automne 2014 Prof. M. EL BAZ Cours de Mécanique du Point matériel Chapitre 1 : Complément Mathématique SMPC1 Chapitre 1: Rappels

Plus en détail

Calcul matriciel. Définition 1 Une matrice de format (m,n) est un tableau rectangulaire de mn éléments, rangés en m lignes et n colonnes.

Calcul matriciel. Définition 1 Une matrice de format (m,n) est un tableau rectangulaire de mn éléments, rangés en m lignes et n colonnes. 1 Définitions, notations Calcul matriciel Définition 1 Une matrice de format (m,n) est un tableau rectangulaire de mn éléments, rangés en m lignes et n colonnes. On utilise aussi la notation m n pour le

Plus en détail

La maximisation du profit

La maximisation du profit 2 La maximisation du profit Le profit, au sens économique du terme, se définit comme la différence entre les recettes perçues et les coûts supportés par une firme. Il est important de bien comprendre que

Plus en détail

Séries Statistiques Simples

Séries Statistiques Simples 1. Collecte et Représentation de l Information 1.1 Définitions 1.2 Tableaux statistiques 1.3 Graphiques 2. Séries statistiques simples 2.1 Moyenne arithmétique 2.2 Mode & Classe modale 2.3 Effectifs &

Plus en détail

LES DÉTERMINANTS DE MATRICES

LES DÉTERMINANTS DE MATRICES LES DÉTERMINANTS DE MATRICES Sommaire Utilité... 1 1 Rappel Définition et composantes d'une matrice... 1 2 Le déterminant d'une matrice... 2 3 Calcul du déterminant pour une matrice... 2 4 Exercice...

Plus en détail

Chapitre 5: Opérateurs dans les espaces de Hilbert. Notions d opérateur adjoint

Chapitre 5: Opérateurs dans les espaces de Hilbert. Notions d opérateur adjoint Chapitre 5: Opérateurs dans les espaces de Hilbert. Notions d opérateur adjoint 18 mars 2008 1 Généralités sur les opérateurs 1.1 Définitions Soient H et H deux espaces de Hilbert sur C. Définition 1.1

Plus en détail

Fonctions. Fonctions linéaires, affines et constantes

Fonctions. Fonctions linéaires, affines et constantes linéaires, affines et constantes 1. linéaires Comme il existe une infinité de fonctions différentes, on les classe par catégories. La première catégorie est constituée par les fonctions linéaires. Une

Plus en détail

A. Déterminant d une matrice carrée

A. Déterminant d une matrice carrée IUT ORSAY Mesures Physiques Déterminants Initiation à la diagonalisation de matrice Cours du ème Semestre A Déterminant d une matrice carrée A-I Définitions élémentaires Si A est la matrice ( a ) on appelle

Plus en détail

Statistiques à deux variables Ajustements affines

Statistiques à deux variables Ajustements affines Statistiques à deux variables Ajustements affines Christophe ROSSIGNOL Année scolaire 2011/2012 Table des matières 1 Série statistique à deux variables 2 1.1 Définition Nuage de points......................................

Plus en détail

Restauration d images

Restauration d images Restauration d images Plan Présentation du problème. Premières solutions naïves (moindre carrés, inverse généralisée). Méthodes de régularisation. Panorama des méthodes récentes. Problème général Un système

Plus en détail

Représentation géométrique d un nombre complexe

Représentation géométrique d un nombre complexe CHAPITRE 1 NOMBRES COMPLEXES 1 Représentation géométrique d un nombre complexe 1. Ensemble des nombres complexes Soit i le nombre tel que i = 1 L ensemble des nombres complexes est l ensemble des nombres

Plus en détail

C) Fiche : Espaces vectoriels.

C) Fiche : Espaces vectoriels. C) Fiche : Espaces vectoriels. 1) Définition d'un espace vectoriel. K= I ou est le corps des scalaires. E est un K-espace I vectoriel si et seulement si : C'est un ensemble non vide muni de deux opérations,

Plus en détail

Baccalauréat ES Pondichéry 21 avril 2016

Baccalauréat ES Pondichéry 21 avril 2016 Exercice 1 Commun à tous les candidats Baccalauréat ES Pondichéry 21 avril 216 4 points Cet exercice est un QCM (questionnaire à choix multiples). Pour chacune des quatre questions posées, une seule des

Plus en détail

Collège LANGEVIN WALLON CORRIGE du BREVET BLANC DES 25 et 26 mai 2004 SÉRIE COLLÈGE

Collège LANGEVIN WALLON CORRIGE du BREVET BLANC DES 25 et 26 mai 2004 SÉRIE COLLÈGE Collège LANGEVIN WALLON CORRIGE du BREVET BLANC DES 5 et 6 mai 004 SÉRIE COLLÈGE Durée heures MATHEMATIQUES Rédaction, présentation, orthographe (4 points) PARTIE I : ACTIVITES NUMERIQUES (1 points) Dans

Plus en détail

Licence de Sciences et Technologies. Fiche de cours 1 - Nombres réels.

Licence de Sciences et Technologies. Fiche de cours 1 - Nombres réels. Licence de Sciences et Technologies EM21 - Analyse Fiche de cours 1 - Nombres réels. On connaît les ensembles suivants, tous munis d une addition, d une multiplication, et d une relation d ordre compatibles

Plus en détail

Leçon N 1 : Taux d évolution et indices

Leçon N 1 : Taux d évolution et indices Leçon N : Taux d évolution et indices En premier un peu de calcul : Si nous cherchons t [0 ;+ [ tel que x 2 = 0,25, nous trouvons une solution unique x = 0, 25 = 0,5. Nous allons utiliser cette année une

Plus en détail

Module 8 : Périmètre et aire de figures planes

Module 8 : Périmètre et aire de figures planes RÉDUCTION DES ÉCARTS DE RENDEMENT 9 e année Module 8 : Périmètre et aire de figures planes Guide de l élève Module 8 Périmètre et aire de figures planes Évaluation diagnostique...3 Aire de parallélogrammes,

Plus en détail

RAPPORT SUR L ETUDE DES DONNEES FINANCIERES ET STATISTIQUES A L AIDE DU LOGICIEL SCILAB

RAPPORT SUR L ETUDE DES DONNEES FINANCIERES ET STATISTIQUES A L AIDE DU LOGICIEL SCILAB RAPPORT SUR L ETUDE DES DONNEES FINANCIERES ET STATISTIQUES A L AIDE DU LOGICIEL SCILAB PAR : MAROOF ASIM DAN BENTOLILA WISSAM ESSID GROUPE 1 LM206 Lundi 10H45 INTRODUCTION : ( Ce rapport est un compte

Plus en détail

Première partie. Préliminaires : noyaux itérés. MPSI B 6 juin 2015

Première partie. Préliminaires : noyaux itérés. MPSI B 6 juin 2015 Énoncé Soit V un espace vectoriel réel. L espace vectoriel des endomorphismes de V est désigné par L(V ). Lorsque f L(V ) et k N, on désigne par f 0 = Id V, f k = f k f la composée de f avec lui même k

Plus en détail

Angles orientés et trigonométrie

Angles orientés et trigonométrie Chapitre Angles orientés et trigonométrie Ce que dit le programme : CONTENUS CAPACITÉS ATTENDUES COMMENTAIRES Trigonométrie Cercle trigonométrique. Radian. Mesure d un angle orienté, mesure principale.

Plus en détail

Chapitre IV Bases et dimension d un espace vectoriel

Chapitre IV Bases et dimension d un espace vectoriel Chapitre IV Bases et dimension d un espace vectoriel Objectif : Nous allons voir comment fabriquer des systèmes de coordonnées pour les vecteurs d un espace vectoriel général. Dans ce chapitre désigne

Plus en détail

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

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

Plus en détail

Courant électrique et distributions de courants

Courant électrique et distributions de courants Cours d électromagnétisme Courant électrique et distributions de courants 1 Courant électrique 1.1 Définition du courant électrique On appelle courant électrique tout mouvement d ensemble des particules

Plus en détail

1.1.1 Composantes contravariantes, covariantes d un vecteur

1.1.1 Composantes contravariantes, covariantes d un vecteur Chapitre 1 Prérequis Ce chapitre regroupe les définitions et les résultats sur les tenseurs qui sont utilisés dans la théorie des coques et des membranes. Il comprend deux parties : 1. L algèbre tensorielle,

Plus en détail

FICHES D UTILISATION DU LOGICIEL LATIS PRO MENU

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

Plus en détail

ÉCOLE NATIONALE DE L AVIATION CIVILE Session 2007

ÉCOLE NATIONALE DE L AVIATION CIVILE Session 2007 ÉCOLE NATIONALE DE L AVIATION CIVILE Session 27 CONCOURS DE RECRUTEMENT D ÉLÈVES INGÉNIEURS DU CONTRÔLE DE LA NAVIGATION AÉRIENNE Épreuve commune obligatoire de MATHÉMATIQUES Durée : 4 Heures Coefficient

Plus en détail

L ACP sous SPSS. À Propos de ce document. Introduction

L ACP sous SPSS. À Propos de ce document. Introduction L ACP sous SPSS À Propos de ce document... Introduction... La démarche à suivre sous SPSS.... «Descriptives».... «Extraction».... «Rotation».... «Scores».... «Options»... Analyse des résultats.... Les

Plus en détail

Espaces vectoriels et applications

Espaces vectoriels et applications Espaces vectoriels et applications linéaires 1 Définitions On parle d espaces vectoriels sur le corps R ou sur le corps C. Les définitions sont les mêmes en substituant R à C ou vice versa. Définition

Plus en détail

Les quatre opérations sur les nombres entiers Statistiques et probabilités I. Code Unités Devoirs Code Unités Devoirs

Les quatre opérations sur les nombres entiers Statistiques et probabilités I. Code Unités Devoirs Code Unités Devoirs 1 re secondaire 2 e secondaire Les quatre opérations sur les nombres entiers Statistiques et probabilités I MAT-1005-2 2 3 MAT-2008-2 2 3 (+, -, x, ) dans l ensemble des entiers Z. Ce premier cours portant

Plus en détail

Résumé de cours sur les coniques. Lycée Brizeux - PCSI B. Année 2010-2011

Résumé de cours sur les coniques. Lycée Brizeux - PCSI B. Année 2010-2011 Résumé de cours sur les coniques. Lycée Brizeux - PCSI B. Année 010-011 novembre 010 I Définition d une conique en terme d équation cartésienne On se place dans le repère orthonormé direct (0, i, j ).

Plus en détail

MÉTHODES DE CLASSIFICATION

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

Plus en détail

Les lentilles additionnelles

Les lentilles additionnelles Les lentilles additionnelles Il existe deux méthodes pour réaliser des photographies rapprochées : ) l augmentation de tirage 2) les lentilles additionnelles C est la seconde méthode qui va être étudié

Plus en détail

Chapitre 9 ANALYSE MULTIDIMENSIONNELLE

Chapitre 9 ANALYSE MULTIDIMENSIONNELLE Statistique appliquée à la gestion et au marketing http://foucart.thierry.free.fr/statpc Chapitre 9 ANALYSE MULTIDIMENSIONNELLE L analyse des données multidimensionnelles regroupe un ensemble de méthodes

Plus en détail

1 Fiche méthodologique Passage d un mode de représentation d un sev à l autre

1 Fiche méthodologique Passage d un mode de représentation d un sev à l autre 1 Fiche méthodologique Passage d un mode de représentation d un sev à l autre BCPST Lycée Hoche $\ CC BY: Pelletier Sylvain Les deux modes de représentation des sous-espaces vectoriels Il existe deux modes

Plus en détail

Un cercle trigonométrique est un cercle de rayon 1 sur lequel on définit un sens de

Un cercle trigonométrique est un cercle de rayon 1 sur lequel on définit un sens de Première S Chapitre 7 : Angles orientés. Trigonométrie. Année scolaire 01/013 I) Rappels de seconde : 1) Définition d'un cercle trigonométrique Un cercle trigonométrique est un cercle de rayon 1 sur lequel

Plus en détail

Statistiques de groupe

Statistiques de groupe Système Méthodologique d Aide à la Réalisation de Tests Statistiques de groupe et analyse des questions de votre épreuve Une unité de soutien de l IFRES Université de Liège L analyse des statistiques de

Plus en détail

Projet CLANU en 3GE: Compléments d algèbre linéaire numérique

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

Plus en détail