Lanalyse multidimensionnelle en Physique Nucléaire 11 déc. 091Journée thématique de l'IPNO.

Slides:



Advertisements
Présentations similaires
Reconstitution de l’état d’un micro drone par fusion de données
Advertisements

Eléments d'algèbre linéaire
Corrélation Position du problème Définition covariance (X,Y) r =
Une introduction aux modèles factoriels
VII) Formalisme Quantique
Regroupement (clustering)
Soizic Geslin Samy Fouilleux Minh Le Hoai Maxime Chambreuil
Les modèles à choix discrets
C1 Bio-statistiques F. KOHLER
Fusion de données SENSO
1 Analyse de la variance multivariée Michel Tenenhaus.
Encadrés: Chapitre 13 Distances
Programmes du cycle terminal
Régression linéaire (STT-2400) Section 3 Tests dhypothèses et lhypothèse linéaire générale Version: 26 janvier 2007.
Analyse en Composantes Principales
Séminaire dAnalyses comparatives et enquête sociologique Séances 8 et 9 Lanalyse des résultats.
Géométrie vectorielle
Analyse en Composante Principale (ACP)
Double diplôme ENSA -ECN
ASI 3 Méthodes numériques pour l’ingénieur
Etude longitudinale d’essais multilocaux: apports du modèle mixte
Séminaire de lobjectif « forage et production » Beaune, les 26,27 et 28 Avril 2000 Outils danalyse statistiques « programmation par lexemple » S. Canu,
Modèles de Leontieff Montage préparé par : André Ross
Cours Corporate finance Eléments de théorie du portefeuille Le Medaf
Régression linéaire simple
DEA Perception et Traitement de l’Information
Rappel... Solution itérative de systèmes linéaires (suite et fin).
Introduction aux matrices : exemples en dynamique de population
Exemple en dynamique de population
Chapitre 4 Réduction des endomorphismes
Commentaires sur les biais écologiques et les échelles non emboîtées
La corrélation et la régression multiple
La corrélation et la régression
Les modèles linéaires (Generalized Linear Models, GLM)
Les analyses multivariées
AIP PRIMECA des Pays de La Loire – 9 novembre 2006
Régression linéaire (STT-2400)
Régression linéaire (STT-2400)
Transformations linéaires et sous-espaces associés
Sous-espaces vectoriels engendrés
Cours du 25 octobre Mardi le 24 octobre
Régression linéaire multiple : hypothèses & interprétation. Partie 2.
Les espaces couleurs Dans le cadre du projet ALPAGE.
Méthodes de Biostatistique
Les mouvements sur la Sphère
L’endomorphisme le plus simple est l’ homothétie
SOUTENANCE DE DEUXIEME ANNEE
Semestre 1 SEG Nouvelle accréditation Ancienne accréditation
Présentation de l’ACP à travers un exemple
ANALYSE EN COMPOSANTES PRINCIPALES (ACP)
Sériation et traitement de données archéologiques
Probabilités et Statistiques Année 2010/2011
Atelier ADOMOCA-2 Les Lecques, oct Assimilation haute résolution IASI-Valentina Benjamin Pajot S. Massart, D. Cariolle, A. Piacentini CERFACS.
CHAPITRE III Calcul vectoriel
Notions de coûts et prise de décision
Étude de l’écoulement moyen
Gestion budgétaire des ventes
Analyse de données Cours 3 Analyse en composantes principales (ACP)
Structure de groupe Def: un groupe est un ensemble (G,*) où
Post-optimisation, analyse de sensibilité et paramétrage
Régression linéaire (STT-2400)
Les dangers des drogues
Détecter les groupes à hauts risques cardiaques à partir de caractéristiques telles que l’alimentation, le fait de fumer ou pas, les antécédents familiaux.
ACP visualisation Représentation graphique: projection dans un plan de n individus à p caractères Un individu est un point d’un espace à p dimensions.
Introduction à l’analyse multidimensionnelle Master BOE LATLI Adrien
Introduction à l’analyse multidimensionnelle Master BOE LATLI Adrien
Hadrien Commenges Université Paris 7, Géographie-cités Hélène Mathian CNRS – Géographie-cités Claude Grasland Université Paris 7, Géographie-cités Introduction.
Analyse en Composantes Principales Vue synoptique.
MECANIQUE DES MILLIEUX CONTINUS ET THERMODYDAMIQUE SIMULATIONS.
Transcription de la présentation:

Lanalyse multidimensionnelle en Physique Nucléaire 11 déc. 091Journée thématique de l'IPNO

Exemple introductif 11 déc. 09Journée thématique de l'IPNO2

Information « expérimentale » 11 déc. 09Journée thématique de l'IPNO3 Expérience

Espace de Hilbert 11 déc. 09Journée thématique de l'IPNO4 Expérience cos ij = ij

Espace vectoriel 11 déc. 09Journée thématique de l'IPNO5 Variables = vecteurs, évènements = points. Produit scalaire : O i. O j = ij. Norme : ||O i || = i or : O i. O j = i j cos ij donc : cos ij = ij / i j = ij Variables = vecteurs, évènements = points. Produit scalaire : O i. O j = ij. Norme : ||O i || = i or : O i. O j = i j cos ij donc : cos ij = ij / i j = ij

Réduction des données 11 déc. 09Journée thématique de l'IPNO6. Variables centrées : c O = O - E O (conséquence, E c O = 0). Variables réduites : r O = O / O (conséquence, r O = 1). Variables standardisées : s O = (O - E O ) / O (conséquences, E s O = 0 et s O = 1). Variables centrées : c O = O - E O (conséquence, E c O = 0). Variables réduites : r O = O / O (conséquence, r O = 1). Variables standardisées : s O = (O - E O ) / O (conséquences, E s O = 0 et s O = 1). Variables centrées : c O = O - E O (conséquence, E c O = 0). Variables réduites : r O = O / O (conséquence, r O = 1). Variables standardisées : s O = (O - E O ) / O (conséquences, E s O = 0 et s O = 1). Variables centrées : c O = O - E O (conséquence, E c O = 0). Variables réduites : r O = O / O (conséquence, r O = 1). Variables standardisées : s O = (O - E O ) / O (conséquences, E s O = 0 et s O = 1) O O cOcO cOcO sOsO sOsO

Vue de face, vue de profil 11 déc. 097Journée thématique de l'IPNO

Axes principaux 11 déc. 09Journée thématique de l'IPNO8 sO2sO2 sO2sO2 sO1sO1 sO1sO1 sO3sO3 sO2sO2 sO1sO1 P2P2P2P2 P1P1P1P1

Calcul des axes 11 déc. 09Journée thématique de l'IPNO9 Matrice individus-caractères : X Matrice de variance-covariance : V = 1/n t X X (tenseur dinertie : T = I tot I – V) Direction des axes principaux = vect. pr. de V Information portée par un axe = val. pr. Th1 : les axes principaux sont orthogonaux Th2 « emboîtement des solutions » : le s.e.v. principal de dim. p+1 est la somme directe du s.e.v. de dim. p et du p+1 ième axe principal. Matrice individus-caractères : X Matrice de variance-covariance : V = 1/n t X X (tenseur dinertie : T = I tot I – V) Direction des axes principaux = vect. pr. de V Information portée par un axe = val. pr. Th1 : les axes principaux sont orthogonaux Th2 « emboîtement des solutions » : le s.e.v. principal de dim. p+1 est la somme directe du s.e.v. de dim. p et du p+1 ième axe principal.

ACP : prévision des pics dozone 11 déc. 09Journée thématique de l'IPNO10 Application à la prévision, notion de parangons hiver été

AFC : prix Nobel 11 déc. 09Journée thématique de l'IPNO11 Exemple : analyse des corrélations entre prix Nobel et nationalité type de prix nationalité P1P1 P2P2

AFC : décharge de St-Brieuc 11 déc. 09Journée thématique de l'IPNO12 décharge

AFC : décharge de St-Brieuc 11 déc. 09Journée thématique de l'IPNO13 31 stations de prélèvement … 19 taxons (nb/m 2 ) P2P2 NEPH-HOM SPIO-SPP AREN-MAR HURD-PULL SCOL-SQUA CARD-EDU MACO-BAL OLIG-SPP ETEO-LON YGO-ELE EORD-AFF AMPH-SPP BATH-PIL NERE-DIV HYBD-ULV CORO-ARE BATH-SAR ORBI-SPP SCRO-PLA P1P1 P2P2 P1P1 GC300S GB300 GC200S GB050N GC100S GB200S GB800 GA500 GC800 GC100C GC100N GB100 GB800 GC200N GC050 GC300N GA050N GC500 GC200N GB050S GA200S GA100N GA100S GA010 GA050S GB200 GB010 GC010S GC010 GB500 55% Niveau bathymétrique Niveau bathymétrique Distance digue Distance digue crustacés mollusques annélides mollusques annélides

AFC : analyse du langage 11 déc. 09Journée thématique de l'IPNO14 Exemple : analyse des mots utilisés dans leurs discours par les hommes politiques russes

AFC : validation globale de modèles 11 déc. 09Journée thématique de l'IPNO15 Exemple : partitions résultant de fragmentations nucléaires Exemple : partitions résultant de fragmentations nucléaires

AFD : Analyse Factorielle Discriminante 11 déc. 09Journée thématique de l'IPNO16. O2O2 O2O2 O3O3 O3O3 D = a 1 O 1 + a 2 O 2 + a 3 O 3 Axe discriminant D D G G O1O1 O1O1 G

AFD : le nez électronique 11 déc. 09Journée thématique de l'IPNO17

AFD : lidentification du quark top 11 déc. 09Journée thématique de l'IPNO18 D = -.91 Apl H 2 /H H 3 /H H 4 /H 0

AFD : discri. neutrons/gamma 11 déc. 09Journée thématique de l'IPNO19

Le coefficient de corrélation multiple 11 déc. 09Journée thématique de l'IPNO20 Cest le plus grand des coefficients de corrélation entre une variable Y et les combinaisons linéaires des variables X i Cest le plus grand des coefficients de corrélation entre une variable Y et les combinaisons linéaires des variables X i Y,X 1 …X p = MAX ( Y, j a j X j ) a 1 …a p cos = Y,X 1 …X p

Détermination de b : régression multiple 11 déc. 09Journée thématique de l'IPNO21 But : trouver un estimateur c b du paramètre dimpact b : Simon

Détermination de b : AFD fusion/périphériques 11 déc. 09Journée thématique de l'IPNO22 Variables décrivant les évènements : M ijkl = Σ m E AZ (m) i E x (m) j E y (m) k E z (m) l AFD d 625 = Σ ijkl a ijk l M ijkl Variables décrivant les évènements : M ijkl = Σ m E AZ (m) i E x (m) j E y (m) k E z (m) l AFD d 625 = Σ ijkl a ijk l M ijkl Simon

Détermination de b : résultats 11 déc. 09Journée thématique de l'IPNO23 Simon

Conclusions 11 déc. 09Journée thématique de l'IPNO24 Vision globale de linformation disponible Recherche des variables pertinentes Recherche de variables prédictives (estimation) Visualisation et analyse des corrélations Gestion de variables non métriques Recherche de familles dévénements Application à lajustement de modèles Vision globale de linformation disponible Recherche des variables pertinentes Recherche de variables prédictives (estimation) Visualisation et analyse des corrélations Gestion de variables non métriques Recherche de familles dévénements Application à lajustement de modèles