Les dangers des drogues

Slides:



Advertisements
Présentations similaires
Pr. Abdelkrim EL MOUATASIM EST de Guelmim Maroc
Advertisements

Eléments d'algèbre linéaire
Corrélation Position du problème Définition covariance (X,Y) r =
Cours d‘Analyse de Données
ANALYSE GÉOMÉTRIQUE DES DONNÉES
Groupes 4-5 : Traitements statistiques sur la température
Soizic Geslin Samy Fouilleux Minh Le Hoai Maxime Chambreuil
C1 Bio-statistiques F. KOHLER
INTRODUCTION 1. Une représentation du signal où le bruit est isolé
Régression -corrélation
Laboratoire dInformatique et dImagerie Industrielle Traitement des Images Couleur Partie 3 : un exemple de traitement dimages couleur : Correction chromatique.
Calcul numérique (avec Maple)
Analyse en Composantes Principales
Chapitre 2 Les indices.
Analyse en Composante Principale (ACP)
Les principaux résumés de la statistique
ASI 3 Méthodes numériques pour l’ingénieur
Reconnaissance de visages
Concepts avancés en mathématiques et informatique appliquées
G20 Statistique.
Régression linéaire simple
Techniques d’optimisation
La corrélation et la régression multiple
RECONNAISSANCE DE FORMES
Les analyses multivariées
Les fentes multiples Méthode semi graphique d’addition d’ondes. La méthode trigonométrique n’est pas commode dans le cas de 3 sources ou plus, ou si les.
Messages Pas de dépannage mardi le 26 à 11h30. Achat de groupe de Matlab version étudiante?
Échantillonnage (STT-2000) Section 3 Utilisation de variables auxiliaires. Version: 8 septembre 2003.
Régression linéaire (STT-2400)
Régression linéaire multiple : hypothèses & interprétation. Partie 2.
M1 2013/2014 Implémentation des procédures statistiques Introduction aux régressions linéaires.
Interprétation de la répartition des actifs européens par profession.
COURS STATISTIQUE - DESCRIPTIVE DEFINITIONS
Lien entre deux variables
N. Yamaguchi1 Statistiques Séance 6 – 16 Nov 2005.
STATISTIQUE DESCRIPTIVE ÉLÉMENTAIRE
Sommaire Rappel introductif sur la définition de l’ACP
STATISTIQUES DESCRIPTIVES
Micro-intro aux stats.
Présentation de l’ACP à travers un exemple
ANALYSE EN COMPOSANTES PRINCIPALES (ACP)
CHAPITRE III Calcul vectoriel
Probabilités et Statistiques Année 2009/2010
Fabienne BUSSAC MOYENNE 1. Moyenne Définition :
Gestion budgétaire des ventes
La prévision des ventes
1 Licence Stat-info CM1 b 2004Christophe Genolini 2.1. Vocabulaire Individu : objet étudié Population : Ensemble des individus Variable : nom donné à ce.
Méthodologie de l’observation
Puissances de matrices
Analyse de données Cours 3 Analyse en composantes principales (ACP)
Traitement des données individuelles D.I.
Régression linéaire (STT-2400)
STT-3220 Méthodes de prévision Section 1 Évaluation des prévisions: Coefficient de Theil Version: 9 septembre 2004.
Détecter les groupes à hauts risques cardiaques à partir de caractéristiques telles que l’alimentation, le fait de fumer ou pas, les antécédents familiaux.
Après avoir lancé le logiciel, sélectionner l’univers niveau 1, puis cliquer en suivant l’ordre pour indiquer les valeurs données par le concepteur:
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.
BIOSTATISTIQUES Définitions.
Mesures de description des valeurs des variables
Introduction à l’analyse multidimensionnelle Master BOE LATLI Adrien
Introduction à l’analyse multidimensionnelle Master BOE LATLI Adrien
Analyse en Composantes Principales Vue synoptique.
1 M1 MQSE Cours n°2 1 - Rappels du cours n°1 2 - La statistique: un outil pour décrire.
STATISTIQUE DESCRIPTIVE
Analyse Factorielle des Correspondances Généralisation de l’A.C.P. adaptée au traitement de données qualitatives se présentant sous la forme d’un tableau.
Individus Illustratifs (Supplémentaires) Individus jugés « intrinsèquement différents » Individus jugés « atypiques » Exemple Exemple :classe différente,
Section 4 : Analyse descriptive. En 1901, Karl Pearson publie son papier sur l’Analyse en Composante Principale dans : “On lines and planes of closest.
Résumé de l’objectif de l’A.C.P.
2.1. Présentation de l’exemple
Analyse en Composantes Principales A.C.P. M. Rehailia Laboratoire de Mathématiques de l’Université de Saint Etienne (LaMUSE).
Transcription de la présentation:

Les dangers des drogues TAI Analyse De Données Antony TRAN Antoine AGUER Benjamin RODRIGUEZ Guillaume LABAT Maxime CHARDON

Introduction http://www.cnsee.org/Publication/PDF/BAMSIREPRINT04.pdf Présentation du tai, présentation des données. http://www.cnsee.org/Publication/PDF/BAMSIREPRINT04.pdf

Plan Choix d’un ACP Matrice de corrélation Interprétation Conclusion Description des données Centrage et réduction des valeurs Matrice de corrélation Matrice Valeur propre Vecteur propre Interprétation Pour chaque axe Pour les individus par rapport aux axes Conclusion

Description des données

Centrage et réduction des valeurs On calcule : 1) La moyenne de la variable Xj   2) La variance de la variable Xj 3) La variable centrée et réduite 4) optionnellement : Le coefficient de corrélation linéaire entre deux variables

Centrage et réduction des valeurs

Matrice de corrélation Obtenue par : t(X) est la matrice transposée de X (sous excel produitmat(transpose(X);X) ) Puis on divise par 1/ (n-1) (n = nbr d'individus)

Matrice de corrélation Matrice carrée obtenue

Matrice de corrélation Valeurs propres/Vecteurs propres Les valeurs propres trouvées représentent la quantité d'information récupérée dans l'axe En cumulant les 3ers axes, on obtient 75% d’information

Matrice de corrélation Information de chaque axe

Cercles de corrélation

Cos2 des variables

Diagrammes obtenus

Interprétation: matrice cos² des observation

Interprétation