SlideShare une entreprise Scribd logo
Année Universitaire: 2013/2014
 
Analyse de Donnée { ACP } sous XLSTAT
Analyse de Donnée { ACP } sous XLSTAT
Analyse de Donnée { ACP } sous XLSTAT
Analyse de Donnée { ACP } sous XLSTAT
Analyse de Donnée { ACP } sous XLSTAT
61 Introduction
En raison de l’importance de la formation qui devient un outil
nécessaire pour garantir l’adéquation de futurs employés à leur travail,
Les projets de fin de module sont intégrés dans le programme d’études
universitaires, ils représentent des excellents compléments de formation.
Ils permettent à l’étudiant de de confronter les connaissances
théoriques à l’exercice pratique.
Aujourd’hui, plus que jamais, les statistiques et l’analyse de donnée
représente la pierre angulaire autour de laquelle gravitent toutes sortes
de l’organisation.
Cette importance se traduit par la mise en place d’un mini-projet pour
savoir l’impact de la dernier diplomation sur les notes de chaque étudiant
en bénéficions de notre savoir acquise durant le 1ére Semestre en analyse
de donnée.
Le présent document se propose de décrire la démarche adoptée
pour effectuer ce travail et s’articule en quatre parties :
Une première partie s’attache à présenter le projet ainsi que
les données utilisé.
Une deuxième partie se compose d’une spécification détaillée
de méthodes utilisées.
La troisième partie concerne la réalisation de l’application
moyennant une méthodologie de conception adoptée aux besoins
d’applications hypermédia, elle présente aussi les choix technologiques et
le travail réalisé ainsi elle jette, en plus, Les bases des améliorations
possibles de l’application.
72 Fichier de Données
Ce Tableau ci-dessus représente les notes des étudiants de la filière Geo-
Info Durant le 1ére semester quand va essayer d’analyser pour améliorer
la qualité de la formation.
D’après on peut voir que il y en a 7 variables quantitative
qui sont :
o AN : Analyse numérique
o AD : Analyse de Donnée
o TEC : Technique de communication
o AP : Algorithmique-Programmation
o SI : Système D’information
o TS : Traitement de signal
o P : Physique
Et on a 2 variables supplémentaires qualitatives :
o S : Sexe
o DD : Dernier diplomation
Nom AN AD TEC AP SI TS P
Abdelmajid 15 16 14,5 16 13 15 16
Abdessadek 16 15 13 15 14,5 15,1 15
Ahmed 13 12 15,5 12 15 15,2 12
Asmae 14 16,5 14,5 16,5 15,5 16,5 16,5
Ayoub 14 14 13 14 16 14 14
Aziza 15 15 15,5 15 15 15 15
Brahim 16 14,5 16 16 16 16 16
FoFana 16 13 16 16 16 16 16
Hicham 15 15,5 14,5 14,5 14,5 14,5 14,5
Issam 13 14 14 14 14 14 14
Imane 14 15 15 15 15 15 15
Ikram 14 14,5 14,5 14,5 14,5 14,5 14,5
Insaff 14 13 13 13 13 13 13
Jihane 15,5 15,5 15,5 15,5 15,5 15,5 15,5
Mohamed.M 13 13 13 13 13 13 13
Mohamed.J 14,5 14,5 14,5 14,5 14,5 14,5 14,5
Nadia 15 15 15 15 15 15 15
Nahla 15,5 15,5 15,5 15,5 15,5 15,5 15,5
Nissrine 16 16 16 16 16 16 16
Nabil 13,5 13,5 13,5 13,5 13,5 13,5 13,5
Omaima 16 16 16 16 16 16 16
Touria 14 14 14 14 14 14 14
Zakaria 13 13 13 13 13 13 13
8Analyse de données
L’analyse des données est une famille de méthodes statistiques dont les
principales caractéristiques sont d'être multidimensionnelles et
descriptives. Certaines méthodes, pour la plupart géométriques, aident à
faire ressortir les relations pouvant exister entre les différentes données et
à en tirer une information statistique qui permette de décrire de façon plus
succincte les principales informations contenues dans ces données.
Il existe trois méthodes des d'analyse des données :
 ACP : L’Analyse en Composantes Principales : destinées aux Variables
quantitatives.
 AFC : L’Analyse Factorielle des Correspondances s'applique à deux
variables qualitatives (nominales).
 ACM : L'Analyse des Correspondances Multiples généralise l'AFC à
un nombre quelconque de variables.
NB : Dans notre cas en va utiliser l’ACP mais puisque L’ACP ne supporte
que les variables quantitatives alors en va mettre les autres variables
qualitatives comme des variables supplémentaires .
L'Analyse en composantes principales (ACP) est une méthode de la
famille de l'analyse des données et plus généralement de la statistique
multi-variée, qui consiste à transformer des variables liées entre elles (dites
"corrélées" en statistique) en nouvelles variables dé-corrélées les unes des
autres. Ces nouvelles variables sont nommées "composantes principales",
ou axes principaux. Elle permet au praticien de réduire le nombre de
variables et de rendre l'information moins redondante.
9Logiciel utilisé
Pour appliquer l’ACP on a utilisé XLSTAT Parce que c'est un logiciel
sûr, rapide, facile à installer et à utiliser . Ainsi Il offre de très nombreuses
fonctionnalités qui font d'Excel un outil performant et facile d'accès pour
répondre à la majorité de vos besoins en analyse de données et
modélisation.
Figure 1 : XLSTAT Environnements
Figure 2 : XLSTAT Fonctionnalités
Comme Vous Voyez quand installe XLSTAT il nous donne la possibilité de faire beaucoup
des opérations .
Et parmi ces opérations on trouve les différentes méthodes d’analyse de donnée (voir
figure 3) .
10Logiciel utilisé
Figure 3 : Les Méthodes disponibles sur XLSTAT
Donc il suffit de choisir l’une des méthodes et sélectionner les individus et les variables
pour avoir une analyse bien détaillée selon le besoin.
Figure 4 : Choix des Individus et des variables
Après le choix des variables Principales . ensuite, il faut ajouter les 2 autres variable
qualitative comme des variables supplémentaires .
11Logiciel utilisé
Figure 5 : Ajouter les variables qualitatives
Après on choisir les facteurs les plus importants depuis la fenêtre suivante :
Figure 6 : Choix des facteurs
125 Résultats et Interprétations
Tableau 1 : Variables Principales
Variable Minimum Maximum Moyenne Ecart-type
AN 13,000 16,000 14,565 1,080
AD 12,000 16,500 14,522 1,201
TEC 13,000 16,000 14,565 1,090
AP 8,000 18,000 14,109 2,500
SI 8,000 18,000 14,196 2,530
TS 13,000 17,000 14,857 1,135
P 8,000 17,000 13,913 2,462
Tableau 2 : Variables Supplémentaires
Variable Modalités Effectifs %
S M 12 52,174
F 11 47,826
DD DUT 11 47,826
CPGE 12 52,174
D’après les deux tableaux ci-dessous on constat que le moyenne de la classe et de 14 ,
une note de maximale de 18 et une note minimale de 8.
Ensuite, d’après le deuxième tableau on a le nombre des hommes (52.174) et pour les
femmes de (47,826 ) donc on peut dire qu’il y en a une équipartition de sexe Aussi on
constat la même chose pour la dernier diplomation .
Cela que la filière Géo-Information est occupé principalement par les étudiants qui en
un DUT ou bien qui vient des classe préparatoires
135 Résultats et Interprétations
Tableau 3 : Tableau de variance/CoVariance ( Matrice de Correlation )
Variables AN AD TEC AP SI TS P S-M S-F DD-DUT DD-CPGE
AN 1 0,586 0,604 -0,255 -0,138 0,748 0,237 -0,229 0,229 -0,389 0,389
AD 0,586 1 0,381 -0,073 0,032 0,586 0,193 -0,464 0,464 -0,129 0,129
TEC 0,604 0,381 1 0,018 0,073 0,640 0,205 -0,350 0,350 -0,181 0,181
AP -0,255 -0,073 0,018 1 0,965 -0,054 -0,514 0,096 -0,096 0,616 -0,616
SI -0,138 0,032 0,073 0,965 1 0,062 -0,492 0,058 -0,058 0,610 -0,610
TS 0,748 0,586 0,640 -0,054 0,062 1 0,265 -0,202 0,202 -0,253 0,253
P 0,237 0,193 0,205 -0,514 -0,492 0,265 1 0,038 -0,038 -0,743 0,743
S-M -0,229 -0,464 -0,350 0,096 0,058 -0,202 0,038 1 -1,000 -0,129 0,129
S-F 0,229 0,464 0,350 -0,096 -0,058 0,202 -0,038 -1,000 1 0,129 -0,129
DD-DUT -0,389 -0,129 -0,181 0,616 0,610 -0,253 -0,743 -0,129 0,129 1 -1,000
DD-CPGE 0,389 0,129 0,181 -0,616 -0,610 0,253 0,743 0,129 -0,129 -1,000 1
Tableau 4 : Valeurs Propres
F1 F2 F3 F4 F5 F6 F7
Valeur propre 3,005 2,211 0,645 0,584 0,323 0,206 0,026
Variabilité (%) 42,931 31,584 9,207 8,341 4,620 2,946 0,370
% cumulé 42,931 74,516 83,723 92,064 96,684 99,630 100,000
On a λ1 = 3,005 , λ2 = 2,211 , λ3 = 0,645 sont les plus grandes valeurs et qui occupent 83.7 % > 80 % donc on va
travailler sur 3 axes seulement .
145 Résultats et Interprétations
Figure 7 : Scree Plot
Tableau 5 : Vecteurs Propres
F1 F2 F3 F4 F5 F6 F7
AN 0,497 0,141 0,189 0,295 0,341 -0,700 0,058
AD 0,396 0,208 0,594 -0,489 -0,451 0,059 0,027
TEC 0,398 0,264 -0,513 0,373 -0,604 0,058 -0,039
AP -0,267 0,571 -0,183 -0,210 0,040 -0,134 0,711
SI -0,205 0,606 -0,121 -0,227 0,123 -0,150 -0,698
TS 0,471 0,262 -0,053 0,014 0,537 0,645 0,049
P 0,319 -0,325 -0,545 -0,662 0,102 -0,216 -0,002
0
20
40
60
80
100
0
0,5
1
1,5
2
2,5
3
3,5
F1 F2 F3 F4 F5 F6 F7
Variabilitécumulée(%)
Valeurpropre
axes
Scree plot
155 Résultats et Interprétations
Tableau 6 : Coordonnées des variables
F1 F2 F3
AN 0,862 0,209 0,152
AD 0,686 0,309 0,477
TEC 0,690 0,392 -0,412
AP -0,463 0,849 -0,147
SI -0,356 0,901 -0,097
TS 0,817 0,389 -0,042
P 0,553 -0,484 -0,438
S-M -0,322 -0,132 -0,217
S-F 0,322 0,132 0,217
DD-DUT -0,555 0,516 0,217
DD-CPGE 0,555 -0,516 -0,217
Ce tableau propose les coordonnées des projections pour chaque nouvel axe.
Tableau 7 : Corrélations entre les variables et les facteurs
F1 F2 F3
AN 0,862 0,209 0,152
AD 0,686 0,309 0,477
TEC 0,690 0,392 -0,412
AP -0,463 0,849 -0,147
SI -0,356 0,901 -0,097
TS 0,817 0,389 -0,042
P 0,553 -0,484 -0,438
S-M -0,322 -0,132 -0,217
S-F 0,322 0,132 0,217
DD-DUT -0,555 0,516 0,217
DD-CPGE 0,555 -0,516 -0,217
D’après les résultats de corrélation des variables avec les axes on remarque que
les variables (AN,TS) sont bien corrélés avec le premier axe cela signifie que cet
axe a pour signification des individus qui ont tendance à apprécier la note de les
Matières AN et TS .
165 Résultats et Interprétations
Figure 8: Cercle de Corrélation
D’après le cercle de corrélation on trouve que l’inertie des AP ,SI,TS et AN est
complétement proche par les deux axes factoriel mais constat que les autres sont
absorbé .
Tableau 8 : Contributions des variables (%)
F1 F2 F3
AN 24,742 1,980 3,563
AD 15,664 4,315 35,295
TEC 15,857 6,966 26,311
AP 7,136 32,598 3,367
SI 4,215 36,713 1,468
TS 22,217 6,847 0,277
P 10,169 10,581 29,720
On Constat que variable les plus contributive sont : AN, TS,AD et TEC
Par contre on a SI et AP sont négligeables.
AN
AD
TEC
AP
SI
TS
P
S-M
S-F
DD-DUT
DD-CPGE
-1
-0,75
-0,5
-0,25
0
0,25
0,5
0,75
1
-1 -0,75 -0,5 -0,25 0 0,25 0,5 0,75 1
F2(31,58%)
F1 (42,93 %)
Variables (axes F1 et F2 : 74,52 %)
variables actives Variables supplémentaires
175 Résultats et Interprétations
Tableau 9 : Coordonnées des observations
Individus F1 F2 F3
Abdelmajid -0,013 2,022 0,639
Abdessadek 1,601 -0,526 1,096
Ahmed -2,040 1,718 -2,021
Asmae 0,713 1,484 0,590
Ayoub -1,321 -0,823 0,417
Aziza 0,927 0,183 -0,357
Brahim 2,139 -0,021 -0,812
FoFana 1,550 -0,047 -1,614
Hicham 0,619 -0,052 -0,009
Issam -1,663 0,092 -0,692
Imane -0,410 1,468 -0,439
Ikram 0,481 -2,262 0,199
Insaff -3,090 0,369 0,834
Jihane 0,600 1,813 0,880
Mohamed.M -1,353 -3,972 -0,068
Mohamed.J -1,136 1,067 1,231
Nadia 0,038 1,059 0,643
Nahla 2,755 -2,142 0,143
Nissrine 3,009 -0,697 0,173
Nabil -1,936 -0,771 0,203
Omaima 2,069 1,642 -0,433
Touria -0,826 -0,714 -0,275
Zakaria -2,715 -0,890 -0,327
S-M -0,522 -0,184 -0,163
S-F 0,570 0,200 0,178
DD-DUT -0,983 0,784 0,178
DD-CPGE 0,901 -0,719 -0,163
Ce tableau propose les coordonnées des projections des individus sur chaqu’un des
nouveaux axes.
185 Résultats et Interprétations
Tableau 10 : Contributions des observations (%)
F1 F2 F3
Abdelmajid 0,000 8,402 2,880
Abdessadek 3,875 0,570 8,466
Ahmed 6,295 6,067 28,797
Asmae 0,769 4,529 2,452
Ayoub 2,640 1,394 1,228
Aziza 1,300 0,069 0,900
Brahim 6,918 0,001 4,645
FoFana 3,636 0,004 18,374
Hicham 0,580 0,006 0,001
Issam 4,183 0,017 3,377
Imane 0,254 4,429 1,360
Ikram 0,350 10,520 0,280
Insaff 14,439 0,280 4,903
Jihane 0,545 6,757 5,457
Mohamed.M 2,770 32,435 0,032
Mohamed.J 1,951 2,342 10,680
Nadia 0,002 2,305 2,912
Nahla 11,478 9,433 0,145
Nissrine 13,694 1,000 0,211
Nabil 5,666 1,223 0,290
Omaima 6,475 5,543 1,325
Touria 1,033 1,047 0,532
Zakaria 11,147 1,627 0,754
D’après le tableau on peut voir que les individu (Nissrine , nahla ,
Insaff,zakaria) sont les plus contributives par rapport aux autre individu qui
varie entre une contribution faible et autre moyenne .
195 Résultats et Interprétations
Abdelmajid
Abdessadek
Ahmed
Asmae
Ayoub
Aziza
BrahimFoFanaHicham
Issam
Imane
Ikram
Insaff
Jihane
Mohamed.M
Mohamed.J Nadia
Nahla
Nissrine
Nabil
Omaima
TouriaZakaria
-4
-3
-2
-1
0
1
2
3
-5 -4 -3 -2 -1 0 1 2 3 4 5
F2(31,58%)
F1 (42,93 %)
Observations (axes F1 et F2 : 74,52 %)
S-M
S-F
205 Résultats et Interprétations
Abdelmajid
Abdessadek
Ahmed
Asmae
Ayoub
Aziza
BrahimFoFanaHicham
Issam
Imane
Ikram
Insaff
Jihane
Mohamed.M
Mohamed.J Nadia
Nahla
NissrineNabil
Omaima
Touria
Zakaria
AN
AD
TEC
AP
SI
TS
P
S-M
S-F
DD-DUT
DD-CPGE
-4
-3
-2
-1
0
1
2
3
-5 -4 -3 -2 -1 0 1 2 3 4 5 6
F2(31,58%)
F1 (42,93 %)
Biplot (axes F1 et F2 : 74,52 %)
S-M S-F variables actives Variables supplémentaires
21Conclusion
L’analyse en composantes principales est une excellente approche pour
explorer la structure des données en tenant compte de leur caractère
multidimensionnel. Cette méthode est l’origine de la plupart des méthodes
descriptives multidimensionnelles.
Elle sert à mieux connaitre les données sur lesquelles on travaille en
construisant de nouvelles variables artificielles et fournit des
représentations graphiques qui permettent de visualiser des liaisons entre
les variables.
22Webographie
http://www.google.com/
http://www4.ac-nancy-metz.fr/
http://fr.wikipedia.org/wiki/
http://www.xlstat.com/fr/
http://www.math.univ-toulouse.fr/~besse/Wikistat/
http://iml.univ-mrs.fr/~reboul/

Contenu connexe

Tendances

Cours comptabilité-générale-S2+Exercice
Cours comptabilité-générale-S2+ExerciceCours comptabilité-générale-S2+Exercice
Cours comptabilité-générale-S2+Exercice
abdo ben
 
Analyse factorielle des_correspondances-afc
Analyse factorielle des_correspondances-afcAnalyse factorielle des_correspondances-afc
Analyse factorielle des_correspondances-afc
Rémi Bachelet
 
Le tableau de bord
Le tableau de bord Le tableau de bord
Le tableau de bord
Béatrice BRINET
 
Chapitre2 (les systèmes de numération)
Chapitre2 (les systèmes de numération)Chapitre2 (les systèmes de numération)
Chapitre2 (les systèmes de numération)
killua zoldyck
 
Les systèmes de sante dans le monde [mode de compatibilité]
Les systèmes de sante dans le monde [mode de compatibilité]Les systèmes de sante dans le monde [mode de compatibilité]
Les systèmes de sante dans le monde [mode de compatibilité]
Faculté de médecine de Tizi-Ouzou
 
10 minutes : Tableaux de bord
10 minutes : Tableaux de bord10 minutes : Tableaux de bord
10 minutes : Tableaux de bord
Converteo
 
ECONOMIE-DE-SANTE-COURS-2017 (1).pdf
ECONOMIE-DE-SANTE-COURS-2017 (1).pdfECONOMIE-DE-SANTE-COURS-2017 (1).pdf
ECONOMIE-DE-SANTE-COURS-2017 (1).pdf
elmontaserimane
 
Qcm controle de gestion : Téléchargeable sur www.coursdefsjes.com
Qcm controle de gestion  : Téléchargeable sur www.coursdefsjes.comQcm controle de gestion  : Téléchargeable sur www.coursdefsjes.com
Qcm controle de gestion : Téléchargeable sur www.coursdefsjes.com
cours fsjes
 
Cartes controle attributs
Cartes controle attributsCartes controle attributs
Cartes controle attributs
EXPERT PLUS
 
144603938 exercices-capteur
144603938 exercices-capteur144603938 exercices-capteur
144603938 exercices-capteur
Mohammed moudine
 
Statistiques s2
Statistiques s2Statistiques s2
Statistiques s2
hassan1488
 
5.2 Régression linéaire
5.2 Régression linéaire5.2 Régression linéaire
5.2 Régression linéaire
Boris Guarisma
 
Rapport de stage belma noura
Rapport de stage belma nouraRapport de stage belma noura
Rapport de stage belma noura
Noura BELAID
 
Comment presenter vos données pour une analyse statistique
Comment presenter vos données pour une analyse statistiqueComment presenter vos données pour une analyse statistique
Comment presenter vos données pour une analyse statistique
Faculté de médecine de Tizi-Ouzou
 
Tableau de bord
Tableau de bordTableau de bord
Tableau de bord
Achraf Ourti
 
Exercices corrigés
Exercices corrigésExercices corrigés
Exercices corrigés
hadhoum
 
Papier (1)
Papier (1)Papier (1)
Papier (1)
Anas Tounsi
 
chapitre 1 régression simple.pdf
chapitre 1 régression simple.pdfchapitre 1 régression simple.pdf
chapitre 1 régression simple.pdf
AnassFarkadi
 

Tendances (20)

Cours comptabilité-générale-S2+Exercice
Cours comptabilité-générale-S2+ExerciceCours comptabilité-générale-S2+Exercice
Cours comptabilité-générale-S2+Exercice
 
Analyse factorielle des_correspondances-afc
Analyse factorielle des_correspondances-afcAnalyse factorielle des_correspondances-afc
Analyse factorielle des_correspondances-afc
 
Le tableau de bord
Le tableau de bord Le tableau de bord
Le tableau de bord
 
Chapitre2 (les systèmes de numération)
Chapitre2 (les systèmes de numération)Chapitre2 (les systèmes de numération)
Chapitre2 (les systèmes de numération)
 
Les systèmes de sante dans le monde [mode de compatibilité]
Les systèmes de sante dans le monde [mode de compatibilité]Les systèmes de sante dans le monde [mode de compatibilité]
Les systèmes de sante dans le monde [mode de compatibilité]
 
10 minutes : Tableaux de bord
10 minutes : Tableaux de bord10 minutes : Tableaux de bord
10 minutes : Tableaux de bord
 
ECONOMIE-DE-SANTE-COURS-2017 (1).pdf
ECONOMIE-DE-SANTE-COURS-2017 (1).pdfECONOMIE-DE-SANTE-COURS-2017 (1).pdf
ECONOMIE-DE-SANTE-COURS-2017 (1).pdf
 
Qcm controle de gestion : Téléchargeable sur www.coursdefsjes.com
Qcm controle de gestion  : Téléchargeable sur www.coursdefsjes.comQcm controle de gestion  : Téléchargeable sur www.coursdefsjes.com
Qcm controle de gestion : Téléchargeable sur www.coursdefsjes.com
 
Le role de siaap
Le role de siaapLe role de siaap
Le role de siaap
 
Biostatistique
BiostatistiqueBiostatistique
Biostatistique
 
Cartes controle attributs
Cartes controle attributsCartes controle attributs
Cartes controle attributs
 
144603938 exercices-capteur
144603938 exercices-capteur144603938 exercices-capteur
144603938 exercices-capteur
 
Statistiques s2
Statistiques s2Statistiques s2
Statistiques s2
 
5.2 Régression linéaire
5.2 Régression linéaire5.2 Régression linéaire
5.2 Régression linéaire
 
Rapport de stage belma noura
Rapport de stage belma nouraRapport de stage belma noura
Rapport de stage belma noura
 
Comment presenter vos données pour une analyse statistique
Comment presenter vos données pour une analyse statistiqueComment presenter vos données pour une analyse statistique
Comment presenter vos données pour une analyse statistique
 
Tableau de bord
Tableau de bordTableau de bord
Tableau de bord
 
Exercices corrigés
Exercices corrigésExercices corrigés
Exercices corrigés
 
Papier (1)
Papier (1)Papier (1)
Papier (1)
 
chapitre 1 régression simple.pdf
chapitre 1 régression simple.pdfchapitre 1 régression simple.pdf
chapitre 1 régression simple.pdf
 

En vedette

Analyse de données marketing : ACP et AFC
Analyse de données marketing : ACP et AFCAnalyse de données marketing : ACP et AFC
Analyse de données marketing : ACP et AFC
Yannig Roth
 
Généralisation Cartographique
Généralisation CartographiqueGénéralisation Cartographique
Généralisation Cartographique
Ahmed EL ATARI
 
EST Essaouira (Spring Coding Day) 2014 - Problème 2
EST Essaouira (Spring Coding Day) 2014 - Problème 2EST Essaouira (Spring Coding Day) 2014 - Problème 2
EST Essaouira (Spring Coding Day) 2014 - Problème 2
Ahmed EL ATARI
 
Rapport - Création d'une image panoramique
Rapport - Création d'une image panoramiqueRapport - Création d'une image panoramique
Rapport - Création d'une image panoramique
Ahmed EL ATARI
 
Diagramme de VORONOÏ et Triangulation Delaunay
Diagramme de VORONOÏ et Triangulation Delaunay  Diagramme de VORONOÏ et Triangulation Delaunay
Diagramme de VORONOÏ et Triangulation Delaunay
Ahmed EL ATARI
 
TP / Traitement d'image : Discrimination de Texture
TP / Traitement d'image : Discrimination de TextureTP / Traitement d'image : Discrimination de Texture
TP / Traitement d'image : Discrimination de Texture
Ahmed EL ATARI
 
Partie 1 - Assainissement sur AutoCad 2007 et 2004
Partie 1  -  Assainissement sur AutoCad 2007 et 2004Partie 1  -  Assainissement sur AutoCad 2007 et 2004
Partie 1 - Assainissement sur AutoCad 2007 et 2004
Ahmed EL ATARI
 
Partie 2 - Assainissement sur AutoCad 2007 et 2004
Partie 2  -  Assainissement sur AutoCad 2007 et 2004Partie 2  -  Assainissement sur AutoCad 2007 et 2004
Partie 2 - Assainissement sur AutoCad 2007 et 2004
Ahmed EL ATARI
 
Taxi 4 kids power point
Taxi 4 kids power pointTaxi 4 kids power point
Taxi 4 kids power point
aamaury
 
EST Essaouira (Spring Coding Day) 2014 - Problème 1
EST Essaouira (Spring Coding Day) 2014 - Problème 1EST Essaouira (Spring Coding Day) 2014 - Problème 1
EST Essaouira (Spring Coding Day) 2014 - Problème 1
Ahmed EL ATARI
 
Guide Touristique de Tanger { App Mobile }
Guide Touristique de Tanger { App Mobile }Guide Touristique de Tanger { App Mobile }
Guide Touristique de Tanger { App Mobile }
Ahmed EL ATARI
 
Rapport - Télédétection et Ilots de chaleur urbains
Rapport - Télédétection et Ilots de chaleur urbains Rapport - Télédétection et Ilots de chaleur urbains
Rapport - Télédétection et Ilots de chaleur urbains
Ahmed EL ATARI
 
Jce univers dans_un_verre_d_eau_extrait
Jce univers dans_un_verre_d_eau_extraitJce univers dans_un_verre_d_eau_extrait
Jce univers dans_un_verre_d_eau_extrait
Souhila Benkaci
 
Adduction et distribution d’eau
Adduction et distribution d’eauAdduction et distribution d’eau
Adduction et distribution d’eau
Souhila Benkaci
 
Télédétection et les Ilots de chaleur urbains
Télédétection et les Ilots de chaleur urbainsTélédétection et les Ilots de chaleur urbains
Télédétection et les Ilots de chaleur urbains
Ahmed EL ATARI
 
Teste d'homogeniete
Teste d'homogeniete Teste d'homogeniete
Teste d'homogeniete
yacine iskounen
 
Applications de La Télédétection en océanographie
Applications de  La Télédétection en océanographieApplications de  La Télédétection en océanographie
Applications de La Télédétection en océanographie
Ahmed EL ATARI
 

En vedette (20)

Analyse de données marketing : ACP et AFC
Analyse de données marketing : ACP et AFCAnalyse de données marketing : ACP et AFC
Analyse de données marketing : ACP et AFC
 
Généralisation Cartographique
Généralisation CartographiqueGénéralisation Cartographique
Généralisation Cartographique
 
EST Essaouira (Spring Coding Day) 2014 - Problème 2
EST Essaouira (Spring Coding Day) 2014 - Problème 2EST Essaouira (Spring Coding Day) 2014 - Problème 2
EST Essaouira (Spring Coding Day) 2014 - Problème 2
 
Rapport - Création d'une image panoramique
Rapport - Création d'une image panoramiqueRapport - Création d'une image panoramique
Rapport - Création d'une image panoramique
 
Diagramme de VORONOÏ et Triangulation Delaunay
Diagramme de VORONOÏ et Triangulation Delaunay  Diagramme de VORONOÏ et Triangulation Delaunay
Diagramme de VORONOÏ et Triangulation Delaunay
 
Compte rendu -
Compte rendu -  Compte rendu -
Compte rendu -
 
TP / Traitement d'image : Discrimination de Texture
TP / Traitement d'image : Discrimination de TextureTP / Traitement d'image : Discrimination de Texture
TP / Traitement d'image : Discrimination de Texture
 
Partie 1 - Assainissement sur AutoCad 2007 et 2004
Partie 1  -  Assainissement sur AutoCad 2007 et 2004Partie 1  -  Assainissement sur AutoCad 2007 et 2004
Partie 1 - Assainissement sur AutoCad 2007 et 2004
 
Partie 2 - Assainissement sur AutoCad 2007 et 2004
Partie 2  -  Assainissement sur AutoCad 2007 et 2004Partie 2  -  Assainissement sur AutoCad 2007 et 2004
Partie 2 - Assainissement sur AutoCad 2007 et 2004
 
Taxi 4 kids power point
Taxi 4 kids power pointTaxi 4 kids power point
Taxi 4 kids power point
 
EST Essaouira (Spring Coding Day) 2014 - Problème 1
EST Essaouira (Spring Coding Day) 2014 - Problème 1EST Essaouira (Spring Coding Day) 2014 - Problème 1
EST Essaouira (Spring Coding Day) 2014 - Problème 1
 
Guide Touristique de Tanger { App Mobile }
Guide Touristique de Tanger { App Mobile }Guide Touristique de Tanger { App Mobile }
Guide Touristique de Tanger { App Mobile }
 
Rapport - Télédétection et Ilots de chaleur urbains
Rapport - Télédétection et Ilots de chaleur urbains Rapport - Télédétection et Ilots de chaleur urbains
Rapport - Télédétection et Ilots de chaleur urbains
 
Jce univers dans_un_verre_d_eau_extrait
Jce univers dans_un_verre_d_eau_extraitJce univers dans_un_verre_d_eau_extrait
Jce univers dans_un_verre_d_eau_extrait
 
Adduction et distribution d’eau
Adduction et distribution d’eauAdduction et distribution d’eau
Adduction et distribution d’eau
 
أفكار من ذهب
أفكار من ذهبأفكار من ذهب
أفكار من ذهب
 
Télédétection et les Ilots de chaleur urbains
Télédétection et les Ilots de chaleur urbainsTélédétection et les Ilots de chaleur urbains
Télédétection et les Ilots de chaleur urbains
 
Teste d'homogeniete
Teste d'homogeniete Teste d'homogeniete
Teste d'homogeniete
 
Applications de La Télédétection en océanographie
Applications de  La Télédétection en océanographieApplications de  La Télédétection en océanographie
Applications de La Télédétection en océanographie
 
Quifaitquoi
QuifaitquoiQuifaitquoi
Quifaitquoi
 

Similaire à Analyse de Donnée { ACP } sous XLSTAT

Rapport du projet Bille et Barre
Rapport du projet Bille et BarreRapport du projet Bille et Barre
Rapport du projet Bille et Barre
Tarik En-Nakdi
 
Statistiques ofppt
Statistiques ofpptStatistiques ofppt
Statistiques ofppt
khawla atir
 
Modulestatistiques 120308132649-phpapp01
Modulestatistiques 120308132649-phpapp01Modulestatistiques 120308132649-phpapp01
Modulestatistiques 120308132649-phpapp01
ilhamto katosa
 
Evolution des exportations de marchandises en Algérie de de 1992 à 2004
Evolution des exportations de marchandises en Algérie de de 1992 à 2004Evolution des exportations de marchandises en Algérie de de 1992 à 2004
Evolution des exportations de marchandises en Algérie de de 1992 à 2004
Bachir Benyammi
 
Calcul des prévisions
Calcul des prévisionsCalcul des prévisions
Calcul des prévisions
Aboubakr Moubarak
 
Rapport de stage TFE
Rapport de stage TFERapport de stage TFE
Rapport de stage TFE
Augustine ODURO
 
controle 2 anisse.pdf
controle 2 anisse.pdfcontrole 2 anisse.pdf
controle 2 anisse.pdf
Bougrain
 
PRESENTATION_SOUTENANCE.pptx
PRESENTATION_SOUTENANCE.pptxPRESENTATION_SOUTENANCE.pptx
PRESENTATION_SOUTENANCE.pptx
ArnaudMONTCHO1
 
Implication des déterminants de l'inclusion financière sur la croissance écon...
Implication des déterminants de l'inclusion financière sur la croissance écon...Implication des déterminants de l'inclusion financière sur la croissance écon...
Implication des déterminants de l'inclusion financière sur la croissance écon...
Yaounde Higher School of Economics and Management
 

Similaire à Analyse de Donnée { ACP } sous XLSTAT (14)

Rapport du projet Bille et Barre
Rapport du projet Bille et BarreRapport du projet Bille et Barre
Rapport du projet Bille et Barre
 
Statistiques ofppt
Statistiques ofpptStatistiques ofppt
Statistiques ofppt
 
Modulestatistiques 120308132649-phpapp01
Modulestatistiques 120308132649-phpapp01Modulestatistiques 120308132649-phpapp01
Modulestatistiques 120308132649-phpapp01
 
Evolution des exportations de marchandises en Algérie de de 1992 à 2004
Evolution des exportations de marchandises en Algérie de de 1992 à 2004Evolution des exportations de marchandises en Algérie de de 1992 à 2004
Evolution des exportations de marchandises en Algérie de de 1992 à 2004
 
Calcul des prévisions
Calcul des prévisionsCalcul des prévisions
Calcul des prévisions
 
Rapport de stage TFE
Rapport de stage TFERapport de stage TFE
Rapport de stage TFE
 
1241 abs
1241 abs1241 abs
1241 abs
 
controle 2 anisse.pdf
controle 2 anisse.pdfcontrole 2 anisse.pdf
controle 2 anisse.pdf
 
PRESENTATION_SOUTENANCE.pptx
PRESENTATION_SOUTENANCE.pptxPRESENTATION_SOUTENANCE.pptx
PRESENTATION_SOUTENANCE.pptx
 
Nouvelles Acquisitions Décembre 2009
Nouvelles Acquisitions Décembre 2009Nouvelles Acquisitions Décembre 2009
Nouvelles Acquisitions Décembre 2009
 
Control estadístico del proceso 4
Control estadístico del proceso 4Control estadístico del proceso 4
Control estadístico del proceso 4
 
Control estadístico del proceso 4
Control estadístico del proceso 4Control estadístico del proceso 4
Control estadístico del proceso 4
 
rapport
rapportrapport
rapport
 
Implication des déterminants de l'inclusion financière sur la croissance écon...
Implication des déterminants de l'inclusion financière sur la croissance écon...Implication des déterminants de l'inclusion financière sur la croissance écon...
Implication des déterminants de l'inclusion financière sur la croissance écon...
 

Plus de Ahmed EL ATARI

Projet SIG : Etude d’implantation d’un site potentiel de CTS de CO²
Projet SIG : Etude d’implantation d’un site potentiel de CTS de CO²Projet SIG : Etude d’implantation d’un site potentiel de CTS de CO²
Projet SIG : Etude d’implantation d’un site potentiel de CTS de CO²
Ahmed EL ATARI
 
Applications De La télédétection à l'océanographie
Applications De La télédétection à l'océanographieApplications De La télédétection à l'océanographie
Applications De La télédétection à l'océanographie
Ahmed EL ATARI
 
GIS
GISGIS
Gestion de consommation d'eau et d’Électricité
Gestion de consommation d'eau et d’ÉlectricitéGestion de consommation d'eau et d’Électricité
Gestion de consommation d'eau et d’Électricité
Ahmed EL ATARI
 
Introduction à Java
Introduction à JavaIntroduction à Java
Introduction à Java
Ahmed EL ATARI
 
Gestion de stress
Gestion de stressGestion de stress
Gestion de stress
Ahmed EL ATARI
 

Plus de Ahmed EL ATARI (6)

Projet SIG : Etude d’implantation d’un site potentiel de CTS de CO²
Projet SIG : Etude d’implantation d’un site potentiel de CTS de CO²Projet SIG : Etude d’implantation d’un site potentiel de CTS de CO²
Projet SIG : Etude d’implantation d’un site potentiel de CTS de CO²
 
Applications De La télédétection à l'océanographie
Applications De La télédétection à l'océanographieApplications De La télédétection à l'océanographie
Applications De La télédétection à l'océanographie
 
GIS
GISGIS
GIS
 
Gestion de consommation d'eau et d’Électricité
Gestion de consommation d'eau et d’ÉlectricitéGestion de consommation d'eau et d’Électricité
Gestion de consommation d'eau et d’Électricité
 
Introduction à Java
Introduction à JavaIntroduction à Java
Introduction à Java
 
Gestion de stress
Gestion de stressGestion de stress
Gestion de stress
 

Dernier

Chap1 Généralités sur les réseaux informatiques.pdf
Chap1 Généralités sur les réseaux informatiques.pdfChap1 Généralités sur les réseaux informatiques.pdf
Chap1 Généralités sur les réseaux informatiques.pdf
TimogoTRAORE
 
Burkina Faso libraries newsletter for June 2024
Burkina Faso libraries newsletter for June 2024Burkina Faso libraries newsletter for June 2024
Burkina Faso libraries newsletter for June 2024
Friends of African Village Libraries
 
MS-203 Microsoft 365 Messaging Study Guide to prepare the certification
MS-203 Microsoft 365 Messaging Study Guide to prepare the certificationMS-203 Microsoft 365 Messaging Study Guide to prepare the certification
MS-203 Microsoft 365 Messaging Study Guide to prepare the certification
OlivierLumeau1
 
1e Espaces productifs 2024.Espaces productif
1e Espaces productifs 2024.Espaces productif1e Espaces productifs 2024.Espaces productif
1e Espaces productifs 2024.Espaces productif
NadineHG
 
La Révolution Bénédictine Casadéenne du Livradois-Forez: De Charlemagne à Fra...
La Révolution Bénédictine Casadéenne du Livradois-Forez: De Charlemagne à Fra...La Révolution Bénédictine Casadéenne du Livradois-Forez: De Charlemagne à Fra...
La Révolution Bénédictine Casadéenne du Livradois-Forez: De Charlemagne à Fra...
Editions La Dondaine
 
[218_phot_d'Autriche-Hongrie_et_des_[...]Vaffier_Hubert_btv1b8594559c.pdf
[218_phot_d'Autriche-Hongrie_et_des_[...]Vaffier_Hubert_btv1b8594559c.pdf[218_phot_d'Autriche-Hongrie_et_des_[...]Vaffier_Hubert_btv1b8594559c.pdf
[218_phot_d'Autriche-Hongrie_et_des_[...]Vaffier_Hubert_btv1b8594559c.pdf
mcevapi3
 
Auguste Herbin.pptx Peintre français
Auguste   Herbin.pptx Peintre   françaisAuguste   Herbin.pptx Peintre   français
Auguste Herbin.pptx Peintre français
Txaruka
 
Zineb Mekouar.pptx Écrivaine marocaine
Zineb Mekouar.pptx   Écrivaine  marocaineZineb Mekouar.pptx   Écrivaine  marocaine
Zineb Mekouar.pptx Écrivaine marocaine
Txaruka
 
1eT Revolutions Empire Revolution Empire
1eT Revolutions Empire Revolution Empire1eT Revolutions Empire Revolution Empire
1eT Revolutions Empire Revolution Empire
NadineHG
 
MARTYRS DE HOLLANDE - La révolte hollandaise et les guerres de religion..pptx
MARTYRS DE HOLLANDE - La révolte hollandaise et les guerres de religion..pptxMARTYRS DE HOLLANDE - La révolte hollandaise et les guerres de religion..pptx
MARTYRS DE HOLLANDE - La révolte hollandaise et les guerres de religion..pptx
Martin M Flynn
 

Dernier (10)

Chap1 Généralités sur les réseaux informatiques.pdf
Chap1 Généralités sur les réseaux informatiques.pdfChap1 Généralités sur les réseaux informatiques.pdf
Chap1 Généralités sur les réseaux informatiques.pdf
 
Burkina Faso libraries newsletter for June 2024
Burkina Faso libraries newsletter for June 2024Burkina Faso libraries newsletter for June 2024
Burkina Faso libraries newsletter for June 2024
 
MS-203 Microsoft 365 Messaging Study Guide to prepare the certification
MS-203 Microsoft 365 Messaging Study Guide to prepare the certificationMS-203 Microsoft 365 Messaging Study Guide to prepare the certification
MS-203 Microsoft 365 Messaging Study Guide to prepare the certification
 
1e Espaces productifs 2024.Espaces productif
1e Espaces productifs 2024.Espaces productif1e Espaces productifs 2024.Espaces productif
1e Espaces productifs 2024.Espaces productif
 
La Révolution Bénédictine Casadéenne du Livradois-Forez: De Charlemagne à Fra...
La Révolution Bénédictine Casadéenne du Livradois-Forez: De Charlemagne à Fra...La Révolution Bénédictine Casadéenne du Livradois-Forez: De Charlemagne à Fra...
La Révolution Bénédictine Casadéenne du Livradois-Forez: De Charlemagne à Fra...
 
[218_phot_d'Autriche-Hongrie_et_des_[...]Vaffier_Hubert_btv1b8594559c.pdf
[218_phot_d'Autriche-Hongrie_et_des_[...]Vaffier_Hubert_btv1b8594559c.pdf[218_phot_d'Autriche-Hongrie_et_des_[...]Vaffier_Hubert_btv1b8594559c.pdf
[218_phot_d'Autriche-Hongrie_et_des_[...]Vaffier_Hubert_btv1b8594559c.pdf
 
Auguste Herbin.pptx Peintre français
Auguste   Herbin.pptx Peintre   françaisAuguste   Herbin.pptx Peintre   français
Auguste Herbin.pptx Peintre français
 
Zineb Mekouar.pptx Écrivaine marocaine
Zineb Mekouar.pptx   Écrivaine  marocaineZineb Mekouar.pptx   Écrivaine  marocaine
Zineb Mekouar.pptx Écrivaine marocaine
 
1eT Revolutions Empire Revolution Empire
1eT Revolutions Empire Revolution Empire1eT Revolutions Empire Revolution Empire
1eT Revolutions Empire Revolution Empire
 
MARTYRS DE HOLLANDE - La révolte hollandaise et les guerres de religion..pptx
MARTYRS DE HOLLANDE - La révolte hollandaise et les guerres de religion..pptxMARTYRS DE HOLLANDE - La révolte hollandaise et les guerres de religion..pptx
MARTYRS DE HOLLANDE - La révolte hollandaise et les guerres de religion..pptx
 

Analyse de Donnée { ACP } sous XLSTAT

  • 7. 61 Introduction En raison de l’importance de la formation qui devient un outil nécessaire pour garantir l’adéquation de futurs employés à leur travail, Les projets de fin de module sont intégrés dans le programme d’études universitaires, ils représentent des excellents compléments de formation. Ils permettent à l’étudiant de de confronter les connaissances théoriques à l’exercice pratique. Aujourd’hui, plus que jamais, les statistiques et l’analyse de donnée représente la pierre angulaire autour de laquelle gravitent toutes sortes de l’organisation. Cette importance se traduit par la mise en place d’un mini-projet pour savoir l’impact de la dernier diplomation sur les notes de chaque étudiant en bénéficions de notre savoir acquise durant le 1ére Semestre en analyse de donnée. Le présent document se propose de décrire la démarche adoptée pour effectuer ce travail et s’articule en quatre parties : Une première partie s’attache à présenter le projet ainsi que les données utilisé. Une deuxième partie se compose d’une spécification détaillée de méthodes utilisées. La troisième partie concerne la réalisation de l’application moyennant une méthodologie de conception adoptée aux besoins d’applications hypermédia, elle présente aussi les choix technologiques et le travail réalisé ainsi elle jette, en plus, Les bases des améliorations possibles de l’application.
  • 8. 72 Fichier de Données Ce Tableau ci-dessus représente les notes des étudiants de la filière Geo- Info Durant le 1ére semester quand va essayer d’analyser pour améliorer la qualité de la formation. D’après on peut voir que il y en a 7 variables quantitative qui sont : o AN : Analyse numérique o AD : Analyse de Donnée o TEC : Technique de communication o AP : Algorithmique-Programmation o SI : Système D’information o TS : Traitement de signal o P : Physique Et on a 2 variables supplémentaires qualitatives : o S : Sexe o DD : Dernier diplomation Nom AN AD TEC AP SI TS P Abdelmajid 15 16 14,5 16 13 15 16 Abdessadek 16 15 13 15 14,5 15,1 15 Ahmed 13 12 15,5 12 15 15,2 12 Asmae 14 16,5 14,5 16,5 15,5 16,5 16,5 Ayoub 14 14 13 14 16 14 14 Aziza 15 15 15,5 15 15 15 15 Brahim 16 14,5 16 16 16 16 16 FoFana 16 13 16 16 16 16 16 Hicham 15 15,5 14,5 14,5 14,5 14,5 14,5 Issam 13 14 14 14 14 14 14 Imane 14 15 15 15 15 15 15 Ikram 14 14,5 14,5 14,5 14,5 14,5 14,5 Insaff 14 13 13 13 13 13 13 Jihane 15,5 15,5 15,5 15,5 15,5 15,5 15,5 Mohamed.M 13 13 13 13 13 13 13 Mohamed.J 14,5 14,5 14,5 14,5 14,5 14,5 14,5 Nadia 15 15 15 15 15 15 15 Nahla 15,5 15,5 15,5 15,5 15,5 15,5 15,5 Nissrine 16 16 16 16 16 16 16 Nabil 13,5 13,5 13,5 13,5 13,5 13,5 13,5 Omaima 16 16 16 16 16 16 16 Touria 14 14 14 14 14 14 14 Zakaria 13 13 13 13 13 13 13
  • 9. 8Analyse de données L’analyse des données est une famille de méthodes statistiques dont les principales caractéristiques sont d'être multidimensionnelles et descriptives. Certaines méthodes, pour la plupart géométriques, aident à faire ressortir les relations pouvant exister entre les différentes données et à en tirer une information statistique qui permette de décrire de façon plus succincte les principales informations contenues dans ces données. Il existe trois méthodes des d'analyse des données :  ACP : L’Analyse en Composantes Principales : destinées aux Variables quantitatives.  AFC : L’Analyse Factorielle des Correspondances s'applique à deux variables qualitatives (nominales).  ACM : L'Analyse des Correspondances Multiples généralise l'AFC à un nombre quelconque de variables. NB : Dans notre cas en va utiliser l’ACP mais puisque L’ACP ne supporte que les variables quantitatives alors en va mettre les autres variables qualitatives comme des variables supplémentaires . L'Analyse en composantes principales (ACP) est une méthode de la famille de l'analyse des données et plus généralement de la statistique multi-variée, qui consiste à transformer des variables liées entre elles (dites "corrélées" en statistique) en nouvelles variables dé-corrélées les unes des autres. Ces nouvelles variables sont nommées "composantes principales", ou axes principaux. Elle permet au praticien de réduire le nombre de variables et de rendre l'information moins redondante.
  • 10. 9Logiciel utilisé Pour appliquer l’ACP on a utilisé XLSTAT Parce que c'est un logiciel sûr, rapide, facile à installer et à utiliser . Ainsi Il offre de très nombreuses fonctionnalités qui font d'Excel un outil performant et facile d'accès pour répondre à la majorité de vos besoins en analyse de données et modélisation. Figure 1 : XLSTAT Environnements Figure 2 : XLSTAT Fonctionnalités Comme Vous Voyez quand installe XLSTAT il nous donne la possibilité de faire beaucoup des opérations . Et parmi ces opérations on trouve les différentes méthodes d’analyse de donnée (voir figure 3) .
  • 11. 10Logiciel utilisé Figure 3 : Les Méthodes disponibles sur XLSTAT Donc il suffit de choisir l’une des méthodes et sélectionner les individus et les variables pour avoir une analyse bien détaillée selon le besoin. Figure 4 : Choix des Individus et des variables Après le choix des variables Principales . ensuite, il faut ajouter les 2 autres variable qualitative comme des variables supplémentaires .
  • 12. 11Logiciel utilisé Figure 5 : Ajouter les variables qualitatives Après on choisir les facteurs les plus importants depuis la fenêtre suivante : Figure 6 : Choix des facteurs
  • 13. 125 Résultats et Interprétations Tableau 1 : Variables Principales Variable Minimum Maximum Moyenne Ecart-type AN 13,000 16,000 14,565 1,080 AD 12,000 16,500 14,522 1,201 TEC 13,000 16,000 14,565 1,090 AP 8,000 18,000 14,109 2,500 SI 8,000 18,000 14,196 2,530 TS 13,000 17,000 14,857 1,135 P 8,000 17,000 13,913 2,462 Tableau 2 : Variables Supplémentaires Variable Modalités Effectifs % S M 12 52,174 F 11 47,826 DD DUT 11 47,826 CPGE 12 52,174 D’après les deux tableaux ci-dessous on constat que le moyenne de la classe et de 14 , une note de maximale de 18 et une note minimale de 8. Ensuite, d’après le deuxième tableau on a le nombre des hommes (52.174) et pour les femmes de (47,826 ) donc on peut dire qu’il y en a une équipartition de sexe Aussi on constat la même chose pour la dernier diplomation . Cela que la filière Géo-Information est occupé principalement par les étudiants qui en un DUT ou bien qui vient des classe préparatoires
  • 14. 135 Résultats et Interprétations Tableau 3 : Tableau de variance/CoVariance ( Matrice de Correlation ) Variables AN AD TEC AP SI TS P S-M S-F DD-DUT DD-CPGE AN 1 0,586 0,604 -0,255 -0,138 0,748 0,237 -0,229 0,229 -0,389 0,389 AD 0,586 1 0,381 -0,073 0,032 0,586 0,193 -0,464 0,464 -0,129 0,129 TEC 0,604 0,381 1 0,018 0,073 0,640 0,205 -0,350 0,350 -0,181 0,181 AP -0,255 -0,073 0,018 1 0,965 -0,054 -0,514 0,096 -0,096 0,616 -0,616 SI -0,138 0,032 0,073 0,965 1 0,062 -0,492 0,058 -0,058 0,610 -0,610 TS 0,748 0,586 0,640 -0,054 0,062 1 0,265 -0,202 0,202 -0,253 0,253 P 0,237 0,193 0,205 -0,514 -0,492 0,265 1 0,038 -0,038 -0,743 0,743 S-M -0,229 -0,464 -0,350 0,096 0,058 -0,202 0,038 1 -1,000 -0,129 0,129 S-F 0,229 0,464 0,350 -0,096 -0,058 0,202 -0,038 -1,000 1 0,129 -0,129 DD-DUT -0,389 -0,129 -0,181 0,616 0,610 -0,253 -0,743 -0,129 0,129 1 -1,000 DD-CPGE 0,389 0,129 0,181 -0,616 -0,610 0,253 0,743 0,129 -0,129 -1,000 1 Tableau 4 : Valeurs Propres F1 F2 F3 F4 F5 F6 F7 Valeur propre 3,005 2,211 0,645 0,584 0,323 0,206 0,026 Variabilité (%) 42,931 31,584 9,207 8,341 4,620 2,946 0,370 % cumulé 42,931 74,516 83,723 92,064 96,684 99,630 100,000 On a λ1 = 3,005 , λ2 = 2,211 , λ3 = 0,645 sont les plus grandes valeurs et qui occupent 83.7 % > 80 % donc on va travailler sur 3 axes seulement .
  • 15. 145 Résultats et Interprétations Figure 7 : Scree Plot Tableau 5 : Vecteurs Propres F1 F2 F3 F4 F5 F6 F7 AN 0,497 0,141 0,189 0,295 0,341 -0,700 0,058 AD 0,396 0,208 0,594 -0,489 -0,451 0,059 0,027 TEC 0,398 0,264 -0,513 0,373 -0,604 0,058 -0,039 AP -0,267 0,571 -0,183 -0,210 0,040 -0,134 0,711 SI -0,205 0,606 -0,121 -0,227 0,123 -0,150 -0,698 TS 0,471 0,262 -0,053 0,014 0,537 0,645 0,049 P 0,319 -0,325 -0,545 -0,662 0,102 -0,216 -0,002 0 20 40 60 80 100 0 0,5 1 1,5 2 2,5 3 3,5 F1 F2 F3 F4 F5 F6 F7 Variabilitécumulée(%) Valeurpropre axes Scree plot
  • 16. 155 Résultats et Interprétations Tableau 6 : Coordonnées des variables F1 F2 F3 AN 0,862 0,209 0,152 AD 0,686 0,309 0,477 TEC 0,690 0,392 -0,412 AP -0,463 0,849 -0,147 SI -0,356 0,901 -0,097 TS 0,817 0,389 -0,042 P 0,553 -0,484 -0,438 S-M -0,322 -0,132 -0,217 S-F 0,322 0,132 0,217 DD-DUT -0,555 0,516 0,217 DD-CPGE 0,555 -0,516 -0,217 Ce tableau propose les coordonnées des projections pour chaque nouvel axe. Tableau 7 : Corrélations entre les variables et les facteurs F1 F2 F3 AN 0,862 0,209 0,152 AD 0,686 0,309 0,477 TEC 0,690 0,392 -0,412 AP -0,463 0,849 -0,147 SI -0,356 0,901 -0,097 TS 0,817 0,389 -0,042 P 0,553 -0,484 -0,438 S-M -0,322 -0,132 -0,217 S-F 0,322 0,132 0,217 DD-DUT -0,555 0,516 0,217 DD-CPGE 0,555 -0,516 -0,217 D’après les résultats de corrélation des variables avec les axes on remarque que les variables (AN,TS) sont bien corrélés avec le premier axe cela signifie que cet axe a pour signification des individus qui ont tendance à apprécier la note de les Matières AN et TS .
  • 17. 165 Résultats et Interprétations Figure 8: Cercle de Corrélation D’après le cercle de corrélation on trouve que l’inertie des AP ,SI,TS et AN est complétement proche par les deux axes factoriel mais constat que les autres sont absorbé . Tableau 8 : Contributions des variables (%) F1 F2 F3 AN 24,742 1,980 3,563 AD 15,664 4,315 35,295 TEC 15,857 6,966 26,311 AP 7,136 32,598 3,367 SI 4,215 36,713 1,468 TS 22,217 6,847 0,277 P 10,169 10,581 29,720 On Constat que variable les plus contributive sont : AN, TS,AD et TEC Par contre on a SI et AP sont négligeables. AN AD TEC AP SI TS P S-M S-F DD-DUT DD-CPGE -1 -0,75 -0,5 -0,25 0 0,25 0,5 0,75 1 -1 -0,75 -0,5 -0,25 0 0,25 0,5 0,75 1 F2(31,58%) F1 (42,93 %) Variables (axes F1 et F2 : 74,52 %) variables actives Variables supplémentaires
  • 18. 175 Résultats et Interprétations Tableau 9 : Coordonnées des observations Individus F1 F2 F3 Abdelmajid -0,013 2,022 0,639 Abdessadek 1,601 -0,526 1,096 Ahmed -2,040 1,718 -2,021 Asmae 0,713 1,484 0,590 Ayoub -1,321 -0,823 0,417 Aziza 0,927 0,183 -0,357 Brahim 2,139 -0,021 -0,812 FoFana 1,550 -0,047 -1,614 Hicham 0,619 -0,052 -0,009 Issam -1,663 0,092 -0,692 Imane -0,410 1,468 -0,439 Ikram 0,481 -2,262 0,199 Insaff -3,090 0,369 0,834 Jihane 0,600 1,813 0,880 Mohamed.M -1,353 -3,972 -0,068 Mohamed.J -1,136 1,067 1,231 Nadia 0,038 1,059 0,643 Nahla 2,755 -2,142 0,143 Nissrine 3,009 -0,697 0,173 Nabil -1,936 -0,771 0,203 Omaima 2,069 1,642 -0,433 Touria -0,826 -0,714 -0,275 Zakaria -2,715 -0,890 -0,327 S-M -0,522 -0,184 -0,163 S-F 0,570 0,200 0,178 DD-DUT -0,983 0,784 0,178 DD-CPGE 0,901 -0,719 -0,163 Ce tableau propose les coordonnées des projections des individus sur chaqu’un des nouveaux axes.
  • 19. 185 Résultats et Interprétations Tableau 10 : Contributions des observations (%) F1 F2 F3 Abdelmajid 0,000 8,402 2,880 Abdessadek 3,875 0,570 8,466 Ahmed 6,295 6,067 28,797 Asmae 0,769 4,529 2,452 Ayoub 2,640 1,394 1,228 Aziza 1,300 0,069 0,900 Brahim 6,918 0,001 4,645 FoFana 3,636 0,004 18,374 Hicham 0,580 0,006 0,001 Issam 4,183 0,017 3,377 Imane 0,254 4,429 1,360 Ikram 0,350 10,520 0,280 Insaff 14,439 0,280 4,903 Jihane 0,545 6,757 5,457 Mohamed.M 2,770 32,435 0,032 Mohamed.J 1,951 2,342 10,680 Nadia 0,002 2,305 2,912 Nahla 11,478 9,433 0,145 Nissrine 13,694 1,000 0,211 Nabil 5,666 1,223 0,290 Omaima 6,475 5,543 1,325 Touria 1,033 1,047 0,532 Zakaria 11,147 1,627 0,754 D’après le tableau on peut voir que les individu (Nissrine , nahla , Insaff,zakaria) sont les plus contributives par rapport aux autre individu qui varie entre une contribution faible et autre moyenne .
  • 20. 195 Résultats et Interprétations Abdelmajid Abdessadek Ahmed Asmae Ayoub Aziza BrahimFoFanaHicham Issam Imane Ikram Insaff Jihane Mohamed.M Mohamed.J Nadia Nahla Nissrine Nabil Omaima TouriaZakaria -4 -3 -2 -1 0 1 2 3 -5 -4 -3 -2 -1 0 1 2 3 4 5 F2(31,58%) F1 (42,93 %) Observations (axes F1 et F2 : 74,52 %) S-M S-F
  • 21. 205 Résultats et Interprétations Abdelmajid Abdessadek Ahmed Asmae Ayoub Aziza BrahimFoFanaHicham Issam Imane Ikram Insaff Jihane Mohamed.M Mohamed.J Nadia Nahla NissrineNabil Omaima Touria Zakaria AN AD TEC AP SI TS P S-M S-F DD-DUT DD-CPGE -4 -3 -2 -1 0 1 2 3 -5 -4 -3 -2 -1 0 1 2 3 4 5 6 F2(31,58%) F1 (42,93 %) Biplot (axes F1 et F2 : 74,52 %) S-M S-F variables actives Variables supplémentaires
  • 22. 21Conclusion L’analyse en composantes principales est une excellente approche pour explorer la structure des données en tenant compte de leur caractère multidimensionnel. Cette méthode est l’origine de la plupart des méthodes descriptives multidimensionnelles. Elle sert à mieux connaitre les données sur lesquelles on travaille en construisant de nouvelles variables artificielles et fournit des représentations graphiques qui permettent de visualiser des liaisons entre les variables.