La présentation est en train de télécharger. S'il vous plaît, attendez

La présentation est en train de télécharger. S'il vous plaît, attendez

Analyse des Correspondances Multiples Extension de l’A.F.C. permettant de décrire des tableaux binaires ou tableaux disjonctifs complets (c-a-d représentant.

Présentations similaires


Présentation au sujet: "Analyse des Correspondances Multiples Extension de l’A.F.C. permettant de décrire des tableaux binaires ou tableaux disjonctifs complets (c-a-d représentant."— Transcription de la présentation:

1

2 Analyse des Correspondances Multiples Extension de l’A.F.C. permettant de décrire des tableaux binaires ou tableaux disjonctifs complets (c-a-d représentant des données qualitatives). L’A.C.M. est une A.F.C. appliquée non pas à un tableau de contingence mais à un tableau de Burt.

3 Exemples de questions Dans quelle région habitez-vous ? 1 - Paris 2 - Banlieue 3 - Province Etes-vous du sexe ? 1 - Masculin 2 - Féminin Quel âge avez-vous ? 1 - Moins de 18 ans 2 - Entre 18 et 34 ans 3 - Entre 35 et 54 ans 4 - 55 ans ou plus Découpage en classes d’une variable quanti. Au total :s = 3 questions comprenant p = 3+2+4=9 modalités concernant n individus

4 Tableau disjonctif complet 010010001100100010010001100100 01101001100110100110 0001100000100100010000011000001001000100 p = 9 Z (n,p) = n individus 224211313122112224211313122112 s = 3 R(n,s)R(n,s) = n individus Codage condensé Tableau disjonctif complet Remarque : dans ce tableau, les sommes des lignes et des colonnes n’ont pas de sens… Codage binaire

5 010010001100100221010010001100100221 011010011032011010011032 0001310003001030100301003121100013100030010301003010031211 p = 9 Z(n,p)Z(n,p) = n individus   Codage condensé Remarque : dans le tableau « Codage condensé », les sommes des lignes et des colonnes n’ont pas de sens… Tableau disjonctif complet

6 010010001100100221010010001100100221 011010011032011010011032 0001310003001030100301003121100013100030010301003010031211 p = 9 Z(n,p)Z(n,p) = n individus   Codage condensé Remarque : dans le tableau « Codage condensé », les sommes des lignes et des colonnes n’ont pas de sens… Tableau disjonctif complet

7 B(p,p)B(p,p) = Z’Z = Tableau de Burt A partir du tableau disjonctif complet Z, on construit le tableau symétrique B d’ordre (p,p) qui rassemble les croisements deux à deux de toutes les variables. B est une juxtaposition de tableaux de contingence

8 Principes de l’A.C.M. 001010001001010001 Tableau disjonctif complet Nuage des individus Nuage des modalités

9 Exemple d’A.C.M. Exemple d’A.C.M. (Tenenhaus) TaillePoidsVélocitéIntelligenceAffectionAgressivité Fonction - + ++ - + Co Ch Ut Beauceron Basset Berger Allemand Boxer Bull-Dog Bull-Mastiff Caniche Chihuahua Cocker Colley Dalmatien Doberman Dogue Allemand Epagneul Breton Epagneul Français Fox-Hound Fox-Terrier Grand Bleu Labrador Lévrier Mastiff Pékinois Pointer Saint-Bernard Setter Teckel Terre-Neuve

10 TABLEAU DE BURT | Tl- Tl+ Tl++ | Pd- Pd+ Pd++ | Vl- Vl+ Vl++ | In- In+ In++ | Aff- Aff+ | Agr- Agr+ | ----+----------------+----------------+----------------+----------------+-----------+-----------+ Tl- | 7 0 0 | Tl+ | 0 5 0 | Tl++| 0 0 15 | ----+----------------+----------------+ Pd- | 7 1 0 | 8 0 0 | Pd+ | 0 4 10 | 0 14 0 | Pd++| 0 0 5 | 0 0 5 | ----+----------------+----------------+----------------+ Vl- | 5 1 4 | 6 0 4 | 10 0 0 | Vl+ | 2 4 2 | 2 6 0 | 0 8 0 | Vl++| 0 0 9 | 0 8 1 | 0 0 9 | ----+----------------+----------------+----------------+----------------+ In- | 3 0 5 | 3 3 2 | 4 1 3 | 8 0 0 | In+ | 3 4 6 | 4 7 2 | 5 5 3 | 0 13 0 | In++| 1 1 4 | 1 4 1 | 1 2 3 | 0 0 6 | ----+----------------+----------------+----------------+----------------+-----------+ Aff-| 1 0 12 | 1 7 5 | 5 2 6 | 6 4 3 | 13 0 | Aff+| 6 5 3 | 7 7 0 | 5 6 3 | 2 9 3 | 0 14 | ----+----------------+----------------+----------------+----------------+-----------+-----------+ Agr-| 5 3 6 | 5 8 1 | 5 5 4 | 3 8 3 | 5 9 | 14 0 | Agr+| 2 2 9 | 3 6 4 | 5 3 5 | 5 5 3 | 8 5 | 0 13 | ----+----------------+----------------+----------------+----------------+-----------+-----------+ | Tl- Tl+ Tl++ | Pd- Pd+ Pd++ | Vl- Vl+ Vl++ | In- In+ In++ | Aff- Aff+ | Agr- Agr+ | Exemple d’A.C.M. Tableau de Burt Nombre de « grands chiens » ?

11 TABLEAU DE BURT | Tl- Tl+ Tl++ | Pd- Pd+ Pd++ | Vl- Vl+ Vl++ | In- In+ In++ | Aff- Aff+ | Agr- Agr+ | ----+----------------+----------------+----------------+----------------+-----------+-----------+ Tl- | 7 0 0 | Tl+ | 0 5 0 | Tl++| 0 0 15 | ----+----------------+----------------+ Pd- | 7 1 0 | 8 0 0 | Pd+ | 0 4 10 | 0 14 0 | Pd++| 0 0 5 | 0 0 5 | ----+----------------+----------------+----------------+ Vl- | 5 1 4 | 6 0 4 | 10 0 0 | Vl+ | 2 4 2 | 2 6 0 | 0 8 0 | Vl++| 0 0 9 | 0 8 1 | 0 0 9 | ----+----------------+----------------+----------------+----------------+ In- | 3 0 5 | 3 3 2 | 4 1 3 | 8 0 0 | In+ | 3 4 6 | 4 7 2 | 5 5 3 | 0 13 0 | In++| 1 1 4 | 1 4 1 | 1 2 3 | 0 0 6 | ----+----------------+----------------+----------------+----------------+-----------+ Aff-| 1 0 12 | 1 7 5 | 5 2 6 | 6 4 3 | 13 0 | Aff+| 6 5 3 | 7 7 0 | 5 6 3 | 2 9 3 | 0 14 | ----+----------------+----------------+----------------+----------------+-----------+-----------+ Agr-| 5 3 6 | 5 8 1 | 5 5 4 | 3 8 3 | 5 9 | 14 0 | Agr+| 2 2 9 | 3 6 4 | 5 3 5 | 5 5 3 | 8 5 | 0 13 | ----+----------------+----------------+----------------+----------------+-----------+-----------+ | Tl- Tl+ Tl++ | Pd- Pd+ Pd++ | Vl- Vl+ Vl++ | In- In+ In++ | Aff- Aff+ | Agr- Agr+ | Exemple d’A.C.M. Tableau de Burt Nombre de « grands chiens » ? Nombre de « grands chiens intelligents » ?

12 TABLEAU DE BURT | Tl- Tl+ Tl++ | Pd- Pd+ Pd++ | Vl- Vl+ Vl++ | In- In+ In++ | Aff- Aff+ | Agr- Agr+ | ----+----------------+----------------+----------------+----------------+-----------+-----------+ Tl- | 7 0 0 | Tl+ | 0 5 0 | Tl++| 0 0 15 | ----+----------------+----------------+ Pd- | 7 1 0 | 8 0 0 | Pd+ | 0 4 10 | 0 14 0 | Pd++| 0 0 5 | 0 0 5 | ----+----------------+----------------+----------------+ Vl- | 5 1 4 | 6 0 4 | 10 0 0 | Vl+ | 2 4 2 | 2 6 0 | 0 8 0 | Vl++| 0 0 9 | 0 8 1 | 0 0 9 | ----+----------------+----------------+----------------+----------------+ In- | 3 0 5 | 3 3 2 | 4 1 3 | 8 0 0 | In+ | 3 4 6 | 4 7 2 | 5 5 3 | 0 13 0 | In++| 1 1 4 | 1 4 1 | 1 2 3 | 0 0 6 | ----+----------------+----------------+----------------+----------------+-----------+ Aff-| 1 0 12 | 1 7 5 | 5 2 6 | 6 4 3 | 13 0 | Aff+| 6 5 3 | 7 7 0 | 5 6 3 | 2 9 3 | 0 14 | ----+----------------+----------------+----------------+----------------+-----------+-----------+ Agr-| 5 3 6 | 5 8 1 | 5 5 4 | 3 8 3 | 5 9 | 14 0 | Agr+| 2 2 9 | 3 6 4 | 5 3 5 | 5 5 3 | 8 5 | 0 13 | ----+----------------+----------------+----------------+----------------+-----------+-----------+ | Tl- Tl+ Tl++ | Pd- Pd+ Pd++ | Vl- Vl+ Vl++ | In- In+ In++ | Aff- Aff+ | Agr- Agr+ | Exemple d’A.C.M. Tableau de Burt Nombre de « grands chiens » ? Nombre de « grands chiens intelligents » ?

13 Exemple d’A.C.M. Valeurs propres et axes factoriels Nombre maximum de valeurs propres = p-s (nb de modalités - nb de questions) Somme des valeurs propres (Inertie totale) = (p/s) - 1 16 - 6 = 10 (16 / 6) - 1 = 1.6667

14 Exemple d’A.C.M. Valeurs propres et axes factoriels VALEURS PROPRES APERCU DE LA PRECISION DES CALCULS : SOMME DES VALEURS PROPRES.... 1.6667 HISTOGRAMME DES 10 PREMIERES VALEURS PROPRES +--------+------------+----------+----------+ | NUMERO | VALEUR | POURCENT.| POURCENT.| | | PROPRE | | CUMULE | +--------+------------+----------+----------+ | 1 | 0.4816 | 28.90 | 28.90 | | 2 | 0.3847 | 23.08 | 51.98 | | 3 | 0.2110 | 12.66 | 64.64 | | 4 | 0.1576 | 9.45 | 74.09 | | 5 | 0.1501 | 9.01 | 83.10 | | 6 | 0.1233 | 7.40 | 90.50 | | 7 | 0.0815 | 4.89 | 95.38 | | 8 | 0.0457 | 2.74 | 98.12 | | 9 | 0.0235 | 1.41 | 99.54 | | 10 | 0.0077 | 0.46 | 100.00 | +--------+------------+----------+----------+

15 Exemple d’A.C.M. Contributions et Cos² des modalités (9.88=6.25 %)) LibelléPRel.Dist.Axe 1Axe 2Axe 1Axe 2Axe 1Axe 2 Taille- 4.32102.8571-1.180.9212.609.590.490.30 Taille+ 3.08644.4000-0.85-1.234.6412.170.160.34 Taille++9.25930.80000.84-0.0213.460.010.880.00 30.7021.77 Poids- 4.93832.3750-1.170.8214.018.720.580.29 Poids+ 8.64200.92860.31-0.821.6715.060.100.72 Poids++3.08644.40001.020.976.607.610.230.22 22.2931.39 Vélocité- 6.17281.7000-0.321.041.3117.520.060.64 Vélocité+ 4.93832.3750-0.60-0.893.7410.120.150.33 Vélocité++5.55562.00000.89-0.379.182.000.400.07 14.2329.63 Intelligence- 4.93832.37500.350.811.258.390.050.28 Intelligence+ 8.02471.0769-0.37-0.292.271.700.130.08 Intelligence++3.70373.50000.34-0.460.862.030.030.06 4.3912.12 Affection- 8.02471.07690.840.2911.621.720.650.08 Affection+8.64200.9286-0.78-0.2710.791.600.650.08 22.413.32 Agressivité- 8.64200.9286-0.40-0.192.880.850.170.04 Agressivité+8.02471.07690.430.213.100.910.170.04 5.981.76 Intelligence Affection Agressivité Taille CoordonnéesContributionCosinus² Vélocité Poids

16 Exemple d’A.C.M. Tableau de Burt Poids relatif : Distance à l’origine : 010 010 001 100 100 221 01 10 10 01 10 32 0001 1000 0010 0100 0100 1211 p= 9 Z (n,p) = n individus  sn n j . 1.  j n n

17 Exemple d’A.C.M. Contributions et Cos² des modalités (9.88=6.25 %)) LibelléPRel.Dist.Axe 1Axe 2Axe 1Axe 2Axe 1Axe 2 Taille- 4.32102.8571-1.180.9212.609.590.490.30 Taille+ 3.08644.4000-0.85-1.234.6412.170.160.34 Taille++9.25930.80000.84-0.0213.460.010.880.00 30.7021.77 Poids- 4.93832.3750-1.170.8214.018.720.580.29 Poids+ 8.64200.92860.31-0.821.6715.060.100.72 Poids++3.08644.40001.020.976.607.610.230.22 22.2931.39 Vélocité- 6.17281.7000-0.321.041.3117.520.060.64 Vélocité+ 4.93832.3750-0.60-0.893.7410.120.150.33 Vélocité++5.55562.00000.89-0.379.182.000.400.07 14.2329.63 Intelligence- 4.93832.37500.350.811.258.390.050.28 Intelligence+ 8.02471.0769-0.37-0.292.271.700.130.08 Intelligence++3.70373.50000.34-0.460.862.030.030.06 4.3912.12 Affection- 8.02471.07690.840.2911.621.720.650.08 Affection+8.64200.9286-0.78-0.2710.791.600.650.08 22.413.32 Agressivité- 8.64200.9286-0.40-0.192.880.850.170.04 Agressivité+8.02471.07690.430.213.100.910.170.04 5.981.76 Intelligence Affection Agressivité Taille CoordonnéesContributionCosinus² Vélocité Poids

18 Exemple d’A.C.M. Représentation graphique des modalités Facteur 2 - 23.08 % -0.500.51.0 -0.5 0 0.5 1.0 Taille- Taille+ Taille++ Poids- Poids+ Poids++ Vélocité- Vélocité+ Vélocité++ Intelligence- Intelligence+ Intelligence++ Affection- Affection+ Agressivité- Agressivité+ Facteur 1 - 28.90 %

19 Exemple d’A.C.M. Représentation graphique des modalités Facteur 2 - 23.08 % -0.500.51.0 -0.5 0 0.5 1.0 Taille- Taille+ Taille++ Poids- Poids+ Poids++ Vélocité- Vélocité+ Vélocité++ Intelligence- Intelligence+ Intelligence++ Affection- Affection+ Agressivité- Agressivité+ Facteur 1 - 28.90 %

20 Exemple d’A.C.M. Contributions et Cos² des modalités ContributionsCosinus ²Cos ² cumulés IDEN - LIBELLEP. RELDISTO12345123451 à 21 à 31 à 4 1. Taille Tl- - Taille-4.322.8612.609.607.800.400.000.490.300.130.010.000.790.920.93 Tl+ - Taille+3.094.404.6012.2015.102.302.000.160.340.230.030.020.500.730.76 Tl++ - Taille++9.260.8013.500.000.101.700.800.880.00 0.040.020.88 0.92 CONTRIBUTION CUMULEE 30.7021.8023.004.402.80 2. Poids Pd- - Poids-4.942.3814.008.703.000.900.100.580.290.050.010.000.870.920.93 Pd+ - Poids+8.640.931.7015.102.200.802.100.100.720.060.020.040.820.880.90 Pd++ - Poids++3.094.406.607.6021.800.107.800.230.220.340.000.090.450.79 CONTRIBUTION CUMULEE 22.3031.4027.001.709.90 3. Vélocité Vl- - Vélocité-6.171.701.3017.504.700.303.800.060.640.090.000.060.700.79 Vl+ - Vélocité+4.942.383.7010.103.004.304.500.150.330.050.06 0.480.530.59 Vl++ - Vélocité++5.562.009.202.0015.302.000.000.400.070.290.030.000.470.760.79 CONTRIBUTION CUMULEE 14.2029.6023.006.608.40 4. Intelligence In- - Intelligence-4.942.381.208.402.900.0035.200.050.280.050.000.450.330.38 In+ - Intelligence+8.021.082.301.709.3018.501.100.130.080.230.340.020.210.440.78 In++ - Intelligence++3.703.500.902.006.3038.2027.900.030.060.100.460.320.090.190.65 CONTRIBUTION CUMULEE 4.4012.1018.5056.8064.30 5. Affection Aff- - Affection-8.021.0811.601.700.200.400.100.650.080.000.010.000.73 0.74 Aff+ - Affection+8.640.9310.801.600.200.300.100.650.080.000.010.000.73 0.74 CONTRIBUTION CUMULEE 22.403.300.300.700.20 6. Agressivité Agr- - Agressivité-8.640.932.900.803.9014.407.000.170.040.100.280.130.210.310.59 Agr+ - Agressivité+8.021.083.100.904.2015.507.500.170.040.100.280.130.210.310.59 CONTRIBUTION CUMULEE 6.001.808.2029.8014.50 100

21 Exemple d’A.C.M. Contributions et Cos² des modalités une modalité d’effectif nul Remarque 1 : la part d’inertie due à une modalité de réponse est d’autant plus grande que l’effectif dans cette modalité est plus faible. Le maximum (1/s) serait atteint par une modalité d’effectif nul… Au moment du codage, on évite les modalités à faibles effectifs susceptibles de perturber les directions des premiers axes factoriels.

22 questions à deux modalités Remarque 2 : la part d’inertie due à une question est fonction croissante du nombre de modalités de réponses. La part minimale (1/s) correspond aux questions à deux modalités… Exemple d’A.C.M. Contributions et Cos² des modalités Au moment du codage, on cherche à équilibrer le système de questions (découpage des variables en modalités) si on veut faire jouer le même rôle à toutes les questions.

23 Exemple d’A.C.M. - Exemple d’A.C.M. - Valeurs test

24 Exemple d’A.C.M. Contributions et Cos² des individus ContributionsCosinus ²Cos ² cumulés P. RELDIST12345123451 à 21 à 31 à 4 Beauceron3.71.140.81.70.21.10.30.090.150.010.040.010.240.250.29 Basset3.71.910.511.70.62.06.80.030.630.020.040.140.660.680.72 Berger Allemand3.71.541.82.14.47.81.90.150.140.160.220.050.290.450.67 Boxer3.71.801.57.58.41.65.10.110.430.270.040.120.540.810.85 Bull-Dog3.71.647.92.90.52.92.70.620.180.020.07 0.800.820.89 Bull-Mastiff3.72.094.42.94.310.112.90.270.140.120.210.250.410.530.74 Caniche3.72.166.40.05.89.34.60.390.000.150.180.090.390.540.72 Chihuahua3.71.865.46.93.90.20.80.38 0.120.000.020.760.88 Cocker3.71.934.10.17.70.80.30.280.000.230.020.010.280.510.53 Colley3.71.110.12.72.010.20.90.010.250.100.390.030.260.360.75 Dalmatien3.71.773.29.43.70.80.50.240.550.120.020.010.790.910.93 Doberman3.71.565.91.03.66.11.40.490.060.130.170.040.550.680.85 Dogue Allemand3.71.958.42.50.50.12.50.560.130.010.000.050.690.70 Epagneul Breton3.72.181.810.40.18.51.50.100.490.000.170.030.59 0.76 Epagneul Français3.71.200.22.60.25.20.00.020.220.010.180.000.240.250.43 Fox-Hound3.71.385.90.02.30.010.80.560.000.100.000.320.560.66 Fox-Terrier3.71.786.00.20.11.91.80.440.010.000.050.040.45 0.50 Grand Bleu de Gascogne3.71.442.10.10.01.416.50.190.010.000.040.460.20 0.24 Labrador3.71.773.29.43.70.80.50.240.550.120.020.010.790.910.93 Lévrier3.71.353.50.16.25.03.10.340.010.260.160.090.350.610.77 Mastiff3.71.904.47.66.10.40.80.300.410.180.010.020.710.890.90 Pékinois3.71.865.46.93.90.20.80.38 0.120.000.020.760.88 Pointer3.71.543.51.78.30.17.50.290.120.310.000.200.410.72 Saint-Bernard3.71.692.63.414.00.42.60.200.210.470.010.060.410.880.89 Setter3.71.142.01.41.512.40.60.220.130.070.460.020.350.420.88 Teckel3.71.647.92.90.52.92.70.620.180.020.07 0.800.820.89 Terre-Neuve3.71.661.12.37.77.910.00.090.140.260.200.240.230.490.69

25 Exemple d’A.C.M. Représentation graphique des modalités -0.8-0.400.40.8 -0.8 -0.4 0 0.4 0.8 Facteur 1 - 28.90 % Facteur 2 - 23.08 % Beauceron Basset Berger Allemand Boxer Bull-Dog Bull-Mastiff Caniche Chihuahua Cocker Colley Dalmatien Doberman Dogue Allemand Epagneul Breton Epagneul Français Fox-Hound Fox-Terrier Grand Bleu de Gascogne Labrador Lévrier Mastiff Pékinois Pointer Saint-Bernard Setter Teckel Terre-Neuve Chasse Utilitaire Compagnie


Télécharger ppt "Analyse des Correspondances Multiples Extension de l’A.F.C. permettant de décrire des tableaux binaires ou tableaux disjonctifs complets (c-a-d représentant."

Présentations similaires


Annonces Google