E TUDE DES RELATIONS / INDICATEUR PERFORMANCE POUR LE RCPSP Projets d’analyse de données 2007/2008 Jonathan Courtois & Lulu Zhong.

Présentation au sujet: "E TUDE DES RELATIONS / INDICATEUR PERFORMANCE POUR LE RCPSP Projets d’analyse de données 2007/2008 Jonathan Courtois & Lulu Zhong."— Transcription de la présentation:

1 E TUDE DES RELATIONS / INDICATEUR PERFORMANCE POUR LE RCPSP Projets d’analyse de données 2007/2008 Jonathan Courtois & Lulu Zhong

2 P LAN Introduction Présentation du projet Objectif Format des données Le logiciel R Traitement des données Analyse en composantes principales Méthode sous R Résultats Interprétations Conclusion 11/04/2015 2 Jonathan Courtois & Lulu Zhong

3 11/04/2015 3 Jonathan Courtois & Lulu Zhong P RÉSENTATION DU PROJET : O BJECTIF Relation indicateurs des instances / indicateurs de performance de plusieurs méthodes de résolution. Méthode de résolution de la borne supérieure. Réaliser une analyse en composante principale Interpréter les résultats obtenus. Traiter les données

4 11/04/2015 4 Jonathan Courtois & Lulu Zhong P RÉSENTATION DU PROJET : L ES DONNÉES Classeur OpenOffice Calc

5 11/04/2015 5 Jonathan Courtois & Lulu Zhong L E LOGICIEL R Système d’analyse statistique et graphique Crée en 1990 par Ross Ihaka et Robert Gentleman R est un langage de programmation et un progiciel de fonctions statistiques. Les caractéristiques les plus remarquables

6 11/04/2015 6 Jonathan Courtois & Lulu Zhong L E LOGICIEL R

7 11/04/2015 7 Jonathan Courtois & Lulu Zhong T RAITEMENT DES DONNÉES Lecture du fichier Suppression des lignes inutiles Récupération des indicateurs Récupération des méthodes Sélection des indicateurs et méthodes par l’utilisateur Renvoi de la matrice adéquate

8 11/04/2015 8 Jonathan Courtois & Lulu Zhong T RAITEMENT DES DONNÉES

9 11/04/2015 9 Jonathan Courtois & Lulu Zhong A NALYSE EN COMPOSANTES PRINCIPALES : SOUS R #Mettre les données dans une variable Y n <- dim(Y) #Centrage du tableau X <- Y-matrix(1,n[1],1)%*%apply(Y,2,mean) #Reduction du tableau(eventuellement) X <- X/matrix(1,n[1],1)%*%apply(X,2,sd) #Calcul de la matrice de covariance V <- (1/(n[1]-1))*t(X)%*%X #Calcul des valeurs propres et des vecteurs propres Res = eigen (V) valp = Res$values vectp = Res$vectors

10 11/04/2015 10 Jonathan Courtois & Lulu Zhong A NALYSE EN COMPOSANTES PRINCIPALES : SOUS R #Calcul de l'inertie totale sommeVal <- sum(valp) #Calcul des intertie et affichage graphique inertie = valp / sommeVal #Récupére le nombre d'axes factoriels inertie = cumsum(inertie) valin 0.7][1] nb <- findInterval(valin,inertie) #Calcul des composantes principales du problème dual C1 <- sqrt(valp[1]) * vectp[,1] C2 <- sqrt(valp[2]) * vectp[,2] #Tracer des graphiques

11 11/04/2015 11 Jonathan Courtois & Lulu Zhong ACP : R ÉSULATS ET INTERPRÉTATIONS M ÉTHODE C HRISTOPHIDES

12 11/04/2015 12 Jonathan Courtois & Lulu Zhong ACP : R ÉSULATS ET INTERPRÉTATIONS M ÉTHODE P RISTKER

13 11/04/2015 13 Jonathan Courtois & Lulu Zhong ACP : R ÉSULATS ET INTERPRÉTATIONS M ÉTHODE P RISTKER

14 11/04/2015 14 Jonathan Courtois & Lulu Zhong ACP : R ÉSULATS ET INTERPRÉTATIONS M ÉTHODE P RISTKER

15 11/04/2015 15 Jonathan Courtois & Lulu Zhong ACP : R ÉSULATS ET INTERPRÉTATIONS M ÉTHODE P RISTKER

16 11/04/2015 16 Jonathan Courtois & Lulu Zhong C ONCLUSION ET Q UESTION