analyse en

composantes
principales

Powered by TCPDF ([Link])

 SOMMAIRE

Introduction …………………………………………………………………………… …4

A- l9Analyse en Composantes Principales………………………………………………...5

Le principe général de L9ACP…………………………………………………………5

Les principes théorique de L9ACP…………………………………....................................6

Les supports théoriques……………………………………………………………….........7

Récapitulatif …………………………………………………………………………..….13

Exemple théorique illustratif…...........................................................................................16

De la théorie à la pratique……………………………………………………………...….21

L9ACP en pratique…………………………………………………………………….…..21

Exemples pratiques ….........................................................................................................24

Exemple 1…………………………………………………………………………………24

Exemple 2 ….......................................................................................................................35

B- Les plans d9expériences ….............................................................................................45

I- Définition et objectifs…………………………………………………………..…...45

a) Formalisme mathématique et vocabulaire………………………………………...45

a-1) Vocabulaire ……………………………………………………………….....45

a-2) Modélisation mathématique …………………………………………………46

a-3) Détermination des coefficients…………………………………………...…..47

Méthode de Box et Hunter ….........................................................................................48

Calcul de Box………………………………………………………………………..…49

II-Exemples pratiques ……………………………………………………………...…..51

Exemple 1 : un plan complet…………………………………………………………........51

2
 A- L9Analyse en Composantes Principales

Le principe général de L9ACP :

Définition : L9ACP (Analyse en Composantes Principales) est une méthode de

traitement des données quantitatives multidimensionnelles qui poursuit les deux objectifs

suivants :

Visualiser les données.

Réduire la dimension effective des données.

Pourquoi ?

 Problème : Lorsque on étudie simultanément un nombre important de variables

quantitatives comment en faire un graphique globale ?

La difficulté vient de ce que les individus étudiés ne sont plus représentés dans un plan ou

bien dans un espace à 3 dimension, mais dans un espace de dimension plus importante,

l9objectif de L9ACP est de revenir à un espace de dimension réduite en déformant le moins

possible la réalité, il s9agit donc d9obtenir le résumé le plus pertinent possible des données

initiales, afin de représenter les données sur des graphique pour atteindre une finalité

importante : l9interprétation des résultats.

5
 Les principes théoriques de L9ACP :

Les données à analyser

Les données sont les mesures effectuées sur n unités { u1 , u 2 ,.............u n }. Les p variables

quantitatives qui représentent ces mesures sont v1 , v2 ,.............,v p , d9où l9écriture matricielle

suivante du tableau de données :

v1 v2 ... v j ... v p
u1 ù x11 x12 ... x1 j ... x1 p ù
u2 úx x22 ... x2 j ... x2 p úú
ú 21
ý ú ý ý ... ý ý ý ú
X ú ú
ui ú xi1 xi 2 ... xij ... xip ú
ý ú ý ý ... ý ý ý ú
ú ú
up ûú xn1 xn 2 ... xnj ... xnp ûú

La ligne i décrit la valeur prise par l9individu u i pour p valeurs, alors que la colonne j décrit la

valeur de la variable v j pour n individus.

Le problème à traiter

On cherche à extraire l9information pertinente contenue dans le tableau des données. Pour

cela, on va le résumer en extrayant l9essentiel de sa structure en vue de faire des

représentations graphiques à la fois fidèles aux données initiales et commodes à interpréter.

Ces représentations devront se faire en dimension réduite.

Comment ?

6
 Les supports théoriques :

On cherche des combinaisons linéaires des variables initiales, appelées composantes

principales, s9écrivant sous la forme suivante :

C 1  a11 X 1  a12 X 2  ü  a1p X p

C 2  a12 X 1  a 22 X 2  ü  a 2p X p

Telles que

 C 1 doit contenir un maximum d9information, c9est-à-dire disperser le plus possible les

individus.

R ( C 1 , C 2 ) = 0 la condition de perpendicularité des axes 1 et 2, c9est-à-dire que la

deuxième composante principale doit contenir l9information complémentaire de la première.

La variance de C 2 doit être, à son tour, la plus grande possible. Ainsi, cette deuxième

composante principale fournit la plus grande information possible complémentaire à la

première.

Le processus se déroule jusqu9à l9obtention de la dernière composante principale ( la

p ème ), les parts d9informations expliquées par chacune d9elles devenant de plus en plus

faibles.

En conclusion, la phase essentielle de L9ACP consiste à transformer ces p variables

quantitatives initiales, toutes plus ou moins corrélées entre elles, en p nouvelles variables

quantitatives, non corrélées, appelées composantes principales.

7
Remarque :

Les données sont soit considérées en tant qu'individus décrits par leurs p variables, soit en tant

que variables décrites par les n individus, d9où l9importance de la considération des deux

nuages de points. Nous obtenons ainsi n points dans l9espace R , espace des variables et p
p

points dans l'espace R n celui des individus.

Mais le problème est de visualiser la forme des nuages, pour ce faire l'idée est d'étudier les

projections sur des droites, des plans ou plus généralement sur des sous espace de dimension

réduite s < p. Il faut donc chercher le sous-espace qui ajuste au mieux le nuage de points i.e.

chercher à minimiser les déformations provoquées par la projection.

Nous allons donc chercher à ajuster au mieux le nuage des individus dans l'espace des

variables puis le nuage des variables dans l'espace des individus

1) Ajustement du nuage des individus dans l9espace des variables :

L'objectif est de fournir des images approchées du nuage des individus - que nous noterons Ni

dans R p l9espace des variables.

Supposons que le nuage Ni est reconstitué de manière satisfaisante dans un sous-espace de

dimension s < p.

a) Dans un premier temps, cherchons un sous-espace vectoriel à une dimension, i.e. une

droite d1 passant par l9origine, qui ajuste au mieux le nuage des individus Ni. Nous

considérons donc le cas où s= 1. La projection sur la droite d1 qui ajuste au mieux le nuage Ni

8
donne la dispersion ou inertie maximale le long de la droite d1. (La notion de variance se

généralise en inertie).

À la recherche de d1 :

Proposition 1 : Maximiser la dis persion le long de la droite d1 revient à

minimiser les distances des points du nuage Ni à la droite d1, c9est -à-dire que

la droite d1 passe au plus près de tous les points du nuage Ni.

Soit le vecteur unitaire de la droite d1 on a la proposition s uivante :

Proposition 2 : maximiser la dispersion le long de la droite d1 revient à

t t
maximiser une forme quadratique définie par u1 X Xu1

Le problème revient donc à trouver qui maximise cette forme quadratique avec la

contrainte u1u1  1 . Le sous-espace à une dimension optimal au sens de l9inertie maximale

t

est donc l9axe d1 défini par le vecteur solution de ce problème.

b) Cherchons maintenant à déterminer le sous-espace à deux dimensions s9ajustant au

mieux au nuage Ni, nous considérons donc le cas où s = 2.

Proposition 3 : Le sous-espace à deux dimensions qui ajuste au mieux le nuage Ni contient u1 .

Le sous-espace à deux dimensions est donc caractérisé par l9axe d1 et l9axe d2 défini par le

ü u 2t X t Xu2 est maximal

ÿ t
vecteur u 2 orthogonal à u1 vérifiant donc : ý u 2 u 2  1 (contraite de normalité)
ÿ t
þ u 2 u 2  0 (contraint e d' orthogonalité)

9
Par récurrence, le sous-espace à s dimensions s9ajustant au mieux au nuage Ni contient les

vecteurs u1 , u 2 ,.............,u s 1 .Ce sous-espace est engendré par le sous-espace

{ u1 , u 2 ,.............,u s 1 } de dimension et le vecteur u s orthogonal à ce sous-espace, et

ü
ÿu s X Xu s est maximal
t t

vérifiant : ý t
ÿ
þu s u s  1

Proposition 4 : Une base orthonormée du sous-espace vectoriel de dimension s, s8ajustant au

mieux au nuage Ni dans l9espace des variables, est constituée par les s vecteurs propres

t
u1 , u 2 ,.............,u s correspondant aux s plus grandes valeurs propres de la matrice X X .

C9est la proposition fondamentale de l9ACP!

Définition : les s vecteur ainsi obtenu déterminent des axes qui s9appellent les axes factoriels

ou les facteurs principaux.

2) Ajustement du nuage des variables dans l9espace des individus :

De la même façon que pour le nuage des individus Ni, nous cherchons une image du nuage

des variables - que nous noterons Nv dans l9espace des individus. L9approche est identique à

t
celle du nuage des individus, il suffit simplement de considérer la matrice XX au lieu de

X t X . Ainsi comme dans le premier cas, l9axe factoriel (ou axe d9inertie) est déterminé par v s

vérifiant :

10
 üvst XX t vs est maximal
ÿ t
ývs vs  1 (contraint e de normalité)
ÿ t
þvs vq  0 pour tout q   1, 2, û, s  1  (orthogonalité )

Le sous-espace d9ajustement est obtenu de la même manière que dans le cas des individus, par

la proposition suivante :

Proposition 5 : Une base orthonormée du sous-espace vectoriel de dimension s, s9ajustant au

mieux au nuage Nv dans l9espace des individus est constituée par les s vecteurs propres

( v1 , v 2 ,............, v S ) correspondant aux s plus grandes valeurs propres de la matrice XX9.

Définition : Les s nouvelles variables v1 , v2 ,............, v S sont appelées composantes

principales, c9est celles qui résument donc l'ensemble des variables initiales du tableau X.

Remarque :

Mathématiquement, on peut mettre en évidence des relations, dites relations de transition,

entre les ajustements dans les deux espaces, ces relations montrent que les deux nuages

doivent s9analyser et s9interpréter simultanément.

Mais après avoir visualiser les données brutes dans des espaces de dimension réduite par

projection, comment peut-on théoriquement retrouver les données initiales ?

Bien entendue, il est possible de reconstruire de manière exacte le tableau de données X par

une décomposition en valeurs singulières de la matrice X. En effet, puisque est le sème

vecteur propre de norme 1 de la matrice X9X, correspondant à la sème valeur propre, et est

le sème vecteur propre de norme 1 de la matrice XX9 correspondant à la même valeur propre,

nous avons :

11
 p
X  õ λi vi u iT
i 1

S9ajuster au mieux signifie donc reconstituer au mieux les positions des points des nuages par

un nouvel ensemble de coordonnées.

Problème :

La difficulté majeur réside dans le choix de s, c9est-à-dire à partir de quelle valeur a-t-on une

bonne reconstruction, ou encore une bonne proportion de la trace de X t X ?

Indice de qualité de la reconstruction :

La qualité globale de la reconstruction peut être mesurée par :

õ i
ô  i 1
p

õ
i 1
i

Ce coefficient est appelé taux d9inertie ou pourcentage de la variance relatif aux s premiers

facteurs.

Un repère formé par les s premiers axes factoriels permet de reconstituer les positions de

départ avec une bonne précision, si la somme des s valeurs propres associées représente une

bonne proportion de la trace de la matrice X9X.

Nous obtenons ainsi une reconstruction approchée du tableau X en se limitant aux s premiers

axes factoriels.

12
 Récapitulatif

Etant donnée un tableau de données de taille (p, q) que l9on représente par une matrice X.

Il est souhaitable de centrer et réduire les variables i.e. normer la matrice X en colonne, soit Z

la matrice centrée réduite obtenue :

A partir de cette matrice, on définit la matrice R des corrélations entre les q variables prises

deux à deux :

R résume la structure des dépendances linéaires entre les q variables et on a

1 T
R Z Z
p

On extrait les valeurs propres les plus grandes de la matrice R des corrélations.

Les valeurs propres représentent les variances des individus sur les axes correspondants.

13
En pratique, on arrête l9extraction des valeurs propres lorsque la somme des s valeurs propres

que l9on a déterminés représente un pourcentage satisfaisant de la variance (pourcentage

d9inertie).

On détermine les vecteurs propres associés aux valeurs propres, ce sont les axes factoriels.

Les vecteurs propres permettent le calcul des composantes principales, et donc le calcul des

coordonnées des variables et des individus sur les nouveaux axes principaux.

Nombre d9axes à retenir :

Les critères les plus utilisés sont les suivants :

a- Critère de Kaiser (variables centrées et réduites) : On ne retient que les axes associés aux

valeurs propres supérieurs à 1, c9est-à-dire dont la variance est supérieure à celle des variables

d9origine.

• Et plus généralement, on ne garde que les valeurs propres supérieures à leur moyenne.

b- Éboulis des valeurs propres : on cherche un «coude », une cassure dans le graphe des

valeurs propres et on ne conserve que les valeurs jusqu9à ce « coude ».

5) Nouvelles coordonnées des individus

On cherche à calculer les coordonnées des individus sur les nouveaux axes, les vecteurs

propres obtenus précédemment permettent de calculer les nouvelles coordonnées des

variables dans le repère des composantes principales. Ces nouvelles coordonnées sont

obtenues en multipliant la matrice des données centrées réduites Z avec la matrice des

vecteurs propres P

14
6) Nouvelles coordonnées des variables

Pour calculer les nouvelles coordonnées des variables, il faut multiplier chaque vecteur propre

par la racine carrée de la valeur propre associée.

7) On projet les points de nuage sur le plan ou l9espace formé par les premiers axes factoriels

8) Interprétation des projections

Cette projection entraîne une déformation du nuage de points, d9où l9importance d9étudier

la qualité de représentation des points individus.

Pour connaître la qualité de représentation d9un individu, on postule les règles énoncées

dans le tableau ci-contre :

Valeur de cos² (α) Signification

≈1 Très bonne représentation
≥0.5 Représentation acceptable
<0.5 Mauvaise représentation

Avec α l9angle entre le vecteur individu, et la composante principale

Le nuage des individus dans l9espace des variables est formé de p points.

Les points représentés dans l9espace factoriel définie par les premiers axes sont les projections

des individus.

Une proximité entre les projections de deux points individus s9interprète comme un

comportement analogue des q variables associées

On représente les q points variables sur le même graphique, les coordonnées des points

variables s9interprète en terme de corrélation.

Le coefficient de corrélation entre une variable u et un axe F étant le cosinus de l9angle formé

par u et F.

15
Une proximité entre deux points variables signifie que les deux variables correspondantes

sont corrélées, la corrélation est encore plus significative lorsque les points représentatifs de

ces deux variables sont éloignés de l9origine.

Une proximité entre un point variable et un point individu signifie que la variable joue un rôle

important pour l9individu considéré.

On cherche si c9était possible une interprétation des axes principaux.

Exemple théorique illustratif :

ö3 4ö
÷ ÷
÷7 2÷
Faire une ACP normée de la matrice X  ÷
5 6÷
÷ ÷
÷5 4 ÷ø
ø

les var iables

öôô÷ôô ø
ö3 4 öü
÷ ÷ÿ
÷7 2 ÷ÿ
On a X ÷ ýles individus
5 6 ÷ÿ
÷ ÷
÷5 4 ÷øÿþ
ø

Centrons et réduisons alors cette matrice en colonne :

ö 3ö ö 4ö
÷ ÷ ÷ ÷
÷ 7÷ ÷ 2÷
Pour se faire posons : C1  ÷ et C2  ÷
5÷ 6÷
÷ ÷ ÷ ÷
÷ 5 ÷ø ÷ 4 ÷ø
ø ø

1 4
Calculons la moyenne de chaque colonne : x j  õ xij
4 i 1

ö 2 0ö
÷ ÷
÷ 2  2÷
On obtient alors x1  5 et x 2  4 la matrice centrée est alors : X  ÷
0 2÷
÷ ÷
÷ 0 0 ÷ø
ø

16
 1 4 1
Calculons la variance de chaque colonne : on a var(C j )  õ
4 i 1
( xij  x j ) 2  C j
4

Avec les C j sont les colonnes de la matrice centrée X , on a alors :

ó (C1 ) 
1
4
C1 
1
4

(2) 2  2 2  0 2  0 2   2

1
De la même façon on obtient ó (C 2 )  C2  2
4

ö  2 0 ö
÷ ÷
÷ 2  2÷
Ainsi on obtient la matrice centrée réduite Z  ÷ ÷
÷ 0 2÷
÷ 0 0 ÷ø
ø

1 t
La matrice des corrélations R s9obtient par la formule suivant : R  Z Z
4

ö 1ö
÷ 1  ÷
÷ 2÷
D9où R÷ ÷
÷ 1 ÷
÷ 1÷
ø 2 ø

Cherchons maintenant les valeurs et les vecteurs propres de cette matrice :

1
1 x  3 1
L9équation caractéristique es donnée par : det( R  xI 2 )  2  ( x  )( x  )
1 2 2
 1 x
2

3 1
Les deux valeurs propres sont alors 1  et 2  (on les classe de plus grande au plus
2 2

petite)

Les sous espaces propres :

3 üö x ö ö xö 3 ö x öü
E1  E 3  ker( R  I 2 )  ý÷÷ ÷÷  IR 2 tq R ÷÷ ÷÷  ÷ ÷ý
2
2 þø y ø ø yø 2 ÷ø y ÷øþ

ö xö
Soit u  ÷÷ ÷÷  IR 2 on a :
ø yø

17
 ùö 1ö 0 öù ö x ö ö 0 ö
3 ú÷ 1  ÷ 3 ö÷ 1 ÷ú ÷ ÷ ÷ ÷
u  ker( R  I 2 )  ú÷ 2÷
1 ÷ ÷ú ÷ ÷  ÷ ÷
2 ú÷÷  1 ÷÷ 2 ÷ 0
úûø 2 ø 1 ÷øúú ÷ø y ÷ø ÷ø 0 ÷ø
ø û

1 ö1 1öö x ö ö 0 ö
  ÷÷ ÷÷ ÷  ÷ ÷
2 ø1 1÷ø÷ø y ÷ø ÷ø 0 ÷ø

 y  x

üö x ö üÿ ö 1ö
Donc E 3  ý÷÷ ÷÷  IR 2 tq y   xý  ÷÷ ÷÷
2 þø y ø ÿþ ø  1ø

ö 2ö
÷ ÷
÷ 2 ÷
÷ ÷
÷ ÷
Un vecteur unitaire de ce sous espace est ÷ 2÷
÷ ÷
ø 2 ø

üÿö1öü
De façon similaire on obtient : E 1  vect ý÷÷ ÷÷ý
2 ÿþø1øþ

ö 2ö
÷ ÷
÷ 2 ÷
÷ ÷
÷ ÷
Un vecteur unitaire de ce sous espace est ÷ 2÷
÷ ÷
ø 2 ø

ö 2ö ö 2ö
÷ ÷ ÷ ÷
÷ 2 ÷ ÷ 2 ÷
Les deux vecteurs ÷ ÷ et ÷ ÷ sont les composantes principales, elles forment alors le
÷ ÷ ÷ ÷
÷ 2÷ ÷ 2÷
÷ ÷ ÷ ÷
ø 2 ø ø 2 ø

nouveau repère dans lequel on va visualiser les données.

Les nouvelles coordonnées des individus :

S9obtiennent en multipliant la matrice des données centrées réduites par la matrice des

vecteurs propres, donc

18
 les abscisses les ordonnées
ö 2 0 öö ö 1 1 ö
÷ ÷÷ 2 2ö ÷ ÷
÷
÷ 2  2÷÷ 2 2 ÷ ÷ 2 0÷
M nouvelles coordonnées ÷ ÷ ÷ 1
÷ 0 2÷÷ 2 2÷ 1÷
÷ ÷ ÷
des individus
÷ ÷ 0
÷
ø 0 0 ÷ø ø 2 2 ø ø 0 ÷ø

Les nouvelles coordonnées des variables :

S9obtiennent en multipliant chaque vecteur propre par la racine carrée de la valeur propre

associée

ö 3ö
ö 2ö ÷ ÷
÷ ÷ ÷ 2 ÷
ö xö 3÷ 2 ÷÷
Les nouvelles coordonnées de la première variable sont ÷÷ ÷÷  ÷
ø yø 2÷ 2÷ ÷ ÷
÷ ÷ 3÷
ø 2 ø ÷÷  ÷
ø 2 ø

ö 2 ö ö1ö
÷ ÷ ÷ ÷
ö xö ÷ 2 ÷ ÷2÷
1÷ ÷÷ ÷
Les nouvelles coordonnées de la deuxième variable sont ÷÷ ÷÷ 
ø yø 2÷ ÷ ÷ ÷
÷ 2 ÷ ÷1÷
÷ ÷
ø 2 ø ø2ø

Toutes ces coordonnées nous permettront de représenter les résultats graphiquement, de les

analyser et de les interpréter.

Qualité de représentation des individus :

cik2
Se calcule par : qlt axe k (individu i )  cos2 ( ik )  p

õc
j 1
2
ij

Avec p le nombre de colonnes de la matrice X c9est aussi le nombre de composantes

principales et les cij sont les nouvelles coordonnées des individus dans les composantes

principales

Ici on a deux composantes principales, les nouvelles coordonnées sont

19
 les abscisses les ordonnées
ö 1 1 ö
÷ ÷
÷ 2 0÷
M nouvellescoordonnées  ÷
1 1÷
÷ ÷
des individus
÷ 0 0 ÷ø
ø

Donc

c112 (1) 2 1
qlt axe 1 (individu 1)  cos2 ( 11 )   
2
(1)  (1)
2 2
2
õc j 1
2
1j

2
c32 12 1
qlt axe2 (individu 3)  cos2 ( 32 )   
2
(1)  1
2 2
2
õc
j 1
2
3j

Toutes les autres qualités se calculent de la même manière

Contribution des individus à la formation des axes :

cik2
La contribution d9un individu i à la formation d9un axe k est donnée par : CTRk (i) 
nk

(1) 2 1 (1) 2 1
CTR1 (1)   CTR2 (1)  
3 6 1 2
4 4
2 2

22 2 02
CTR1 (2)   CTR2 (2)  0
3 3 3
4 4
2 2

(1) 2 1 12 1
CTR1 (3)   CTR2 (3)  
3 6 1 2
4 4
2 2

02 02
CTR1 (4)  0 CTR2 (4)  0
3 3
4 4
2 2

La somme des contributions vaut 1

20
 Problème :

en réalité les études expérimentales recensent des données de grandes taille qu9on ne peut pas

les traiter manuellement, il9 est dur d9effectuer à la main le calcul des valeurs propres d9une

matrice d9ordre élevé !

Le développement informatique prend alors la relève !

De la théorie à la pratique :

L9ACP en pratique

En pratique pour réaliser une ACP on suit une démarche en plusieurs étapes :

1) Préparation des données

- S9assurer que les données sont quantitatives.

- Données manquantes : L9ACP ne sait pas traiter les données manquantes. Certains

logiciels proposent de supprimer les individus possédant des données manquantes, alors que

d9autres vont remplacer la donnée manquante par un zéro.

2) Réaliser les calculs

On a vu les fondements théoriques de calcul. Vu la taille du tableau de données que l9on

traite, c9est le logiciel qui réalisera cette étape.

Le logiciel produit alors différents tableaux et graphiques qu9il faudra interpréter.

3) Interpréter les résultats :

a) Déterminer le nombre d9axes de l9analyse

21
Pour répondre à cette question, il faut consulter le tableau des valeurs propres qui accompagne

L9ACP. Les valeurs propres sont classées de façon décroissante.

Il y a deux manières célèbres pour déterminer le nombre d9axes à prendre en compte :

l9éboulis des valeurs propres et le critère de Kaiser.

Il est important que les valeurs propres des axes retenus restituent une bonne proportion de la

variance.

b) Sélectionner les individus et variables à interpréter

Les graphiques de L9ACP sont les projections des variables et des individus sur un plan

factoriel déterminé. On commencera par interpréter le premier plan factoriel (celui formé par

les facteurs C 1 et C 2 ) car c9est celui qui concentre la plus grande partie de l9information du

nuage.

Sur un plan factoriel, on n9interprète que les variables et les individus qui sont bien

représentés. Pour les individus, on utilisera les contributions absolues et relatives alors que

pour les variables, on n9interprètera que celles qui sont proches du cercle de corrélation.

c) les sorties graphiques

Deux graphiques sont données par les logiciels : celui des variables et celui des individus

La représentation des variables.

Ce graphique se distingue par la présence d9un cercle de corrélation. On interprète deux types

de positions :

1-Les positions des variables par rapport aux axes afin de déterminer quelles sont les variables

qui font les axes.

2-Les positions des variables les unes par rapport aux autres. Le coefficient de corrélation

entre deux variables étant le cosinus de l9angle formé par les vecteurs correspondants on en

déduit que :

22
- deux variables qui sont proches ou confondus sont corrélées positivement (coefficient de

corrélation proche de 1),

- deux variables opposées (formant un angle de  ) sont corrélées négativement (coefficient

de corrélation proche de -1)


- deux variables positionnées à angle droit (angle de ) ne sont pas du tout corrélées
2

(coefficient de corrélation égal à 0)

La représentation des individus

Deux cas se présentent :

L9ACP est réalisé sur un tableau comportant beaucoup d9individus. Dans ce cas, on ne pourra

pas interpréter les positions relatives de tous les individus car le nuage sera tellement dense.

Toutefois, si un individu est atypique, il va ressortir du nuage et on pourra alors l9identifier

pour éventuellement le supprimer et effectuer un nouveau passage sans cet individu. Dans ce

cas, on a souvent recours à une méthode classification automatique afin de regrouper les

individus qui sont proches les uns des autres et ainsi de constituer des type d9individus ayant

un comportement similaire.

Sous réserve d9une bonne représentation, la proximité de deux individus sur un plan factoriel

est synonyme d9individus ayant un comportement similaire. Si deux individus ont exactement

les mêmes valeurs aux différentes variables, ils seront superposés sur les différents plans

factoriels. De même, des individus ou des groupes d9individus s9opposant par rapport à un axe

factoriel, s9opposeront par rapport aux variables qui font cet axe.

23
 Exemples pratiques :

Exemple 1 :

Dans cet exemple on va traiter les notes de 15 étudiants d9une classe en tronc commun en

huit matières : l9arabe, le français, l9anglais, la philosophie, les maths, la physique et la

chimie, les sciences de la vie et de la terre et l9éducation sportive

Les résultats sont regroupés dans le tableau ci-dessous :

N Arabe Français Anglais Philosophie Math PC SVT ES

1 16 14.5 14.75 13.5 10 11.75 11 16.5
2 11.5 14 13 10 16 17.5 15.75 15.5
3 12 11.75 14 11.25 14.75 16 16.5 16
4 13.5 12 15 12.5 15 14.5 14.75 15
5 15.75 16.5 15 14.25 9.75 11 11.25 14.75
6 11.75 10.75 13 12.75 15 14.5 16 15.5
7 14.5 13.75 16 15.5 15 14 13.75 13
8 12.5 10 11 13 13.5 12.75 15 14
9 13.5 15 12.75 10 12.5 11.75 10 15
10 17 14.25 16 15.75 11.75 13 12.5 16.75
11 15.5 16 14.75 13.25 12 12.5 12.75 13.75
12 13.75 16 17.5 13.5 16.75 17 16.5 15
13 14 11.75 14.5 12.5 13 11.75 14 16.25
14 10.5 9.5 11.75 13 11 12.5 10 17
15 15.5 13.25 14 14 13.75 15 14.5 14

Ces données sont toutes quantitatifs on les traite alors par une ACP à l9aide de R

Interprétation des résultats :

Détermination de nombre d9axes à retenir :

On utilise pour cela l9éboulis des valeurs propres représenté ci-contre :

Dans ce graphique, on cherche un coude et on ne conserve que les valeurs propres avant ce

coude.

24
Les axes factoriels principaux sont alors les vecteurs propres associés.

On constate alors que la cassure (le coude) se commence à partir de la troisième valeur

propre ; on ne retient alors que les deux premiers axes factoriels correspondants.

Le tableau suivant résume le pourcentage de la variance expliquée par chacun des deux axes

ainsi que la variance expliquée par le plan issu de ces deux axes :

Axe 1 Axe 2
Variance 3.240 2.455
% de la variance 40.503 30.687
% cummulatif de la variance variance 40.503 71.190

Les deux axes retenus expliquent 71.19% de la variance totale.

Résultats sur les individus :

25
Puisque on n9interprète que les points individus bien représentés, alors on doit se méfier de la

qualité de représentation de chaque individu dans le plan principal.

Cette qualité de représentation se calcule en sommant les cos2 de chaque individu pour les

deux axes. Le tableau ci-dessous regroupe les la qualité de représentation de chaque individus

ainsi que leur contribution à la formation des deux axes :

individus Axe 1 Contribution Cos2 Axe 2 Contribution Cos2

1 -2.571 13.604 0.798 -0.713 1.380 0.061

2 3.056 19.220 0.763 0.108 0.032 0.001
3 2.395 11.798 0.846 -0.146 0.058 0.003
4 1.037 2.211 0.584 0.506 0.695 0.139
5 -3.098 19.750 0.915 0.179 0.087 0.003
6 2.028 8.461 0.778 -0.581 0.917 0.064
7 -0.411 0.348 0.020 2.141 12.464 0.553
8 1.206 2.994 0.174 -1.425 5.515 0.243
9 -0.734 1.109 0.061 -1.608 7.021 0.292
10 -2.392 11.774 0.561 0.800 1.737 0.063
11 -1.593 5.223 0.491 0.889 2.146 0.153
12 1.284 3.394 0.125 3.161 27.142 0.759
13 -0.235 0.113 0.022 -0.824 1.843 0.266
14 0.031 0.002 0.000 -3.617 35.522 0.847
15 -0.002 0.000 0.000 1.129 3.458 0.421

En sommant les cos2 et en adoptant les règles postulées dans le tableau page 17 on conclut

que tous les individus, à l9exception des individus 8, 9, 13 et 15, sont bien représentés dans le

plan principal.

26
Les individus bien Les individus bien Les individus bien

représentés dans l9axe 1 représentés dans l9axe 2 représentés dans le plan

1 2 3 4 5 6 10 7 12 14 1 2 3 4 5 6 7 10

11 12 14

Les individus qui participent le plus à la formation du premier axe sont ceux qui ont une

100 %
contribution supérieure à la moyenne c.-à-d. supérieure à =6.667.
15

Les individus contribuent à la Les individus contribuent à la

formation de l9axe 1 formation de l9axe 2

1 2 3 5 6 10 7 14 12

Les individus qui contribuent le plus à la formation de l9axe 1 se caractérisent par des résultats

meilleurs dans l9une des deux disciplines et moyens dans l9autre.

Or les individus qui contribuent à la formation de deuxième axe se caractérisent par des

résultats homogènes dans toutes les matières, bonnes ou moyennes.

Ces tableaux d9analyse s9accompagnent par le graphique des individus qui rend les résultats

clairs et visibles :

27
Pour l9axe 1 on constate que les points individus 1, 2, 3, 5 et 10 sont éloignés de l9origine ce

qui justifie leur bonne qualité de représentation, ainsi ils sont très proches de cet axe ce qui

justifie leur importante contribution à la formation de cet axe.

De même pour l9axe 2 les individus 14, 7 et 12 sont très éloignés de l9origine donc ils ont une

bonne qualité de représentation dans cet axe, ils sont ainsi proches de cet axe chose qui

signifie leur forte contribution à la formation de cet axe.

Résultats sur les variables :

De même que pour les individus on n9interprète que les variables qui sont bien représentées

pour cela on étudie la qualité de représentation de chaque variable ainsi que leur contribution

à la formation des deux axes principaux, on a alors le tableau suivant fournie par L9ACP :

28
variables Axe 1 contribution Cos2 Axe 2 contribution Cos2

arabe -0.800 19.767 0.640 0.492 9.872 0.242

Français -0.507 7.928 0.257 0.604 14.838 0.364

Anglais -0.321 3.180 0.103 0.833 28.297 0.695

Philosophie -0.568 9.956 0.323 0.409 6.811 0.167

Math 0.840 21.756 0.705 0.493 9.900 0.243

PC 0.788 19.173 0.621 0.488 9.689 0.238

SVT 0.768 18.209 0.590 0.502 10.271 0.252

ES -0.031 0.030 0.001 -0.503 10.324 0.253

On résume ces résultats dans les deux sous tableaux suivants :

Les variables bien Les variables bien Dans le plans

représentés dans l9axe 1 représentées dans l9axe 2

Arabe, math, PC et SVT L9anglais Arabe, français, anglais

math, PC et SVT

On choisit les variables ayants une contribution supérieure à la moyenne (

100 %
 12 .5 )
8

Les variables qui contribuent le plus à Les variables qui contribuent le plus à

la formation de l9axe 1 la formation de l9axe 2

Arabe, math , PC et SVT Anglais

29
Le cercle de corrélation résume clairement les résultats décrits par les tableaux

Le cercle des corrélations montre que les deux variables philosophie et ES (éducation

sportive) sont mal représentées dans le plans principales car ils sont éloignées du cercle et que

toutes les autres variables sont bien représentées dans ce plan.

Interprétation des axes :

On cherche à donner un sens aux axes retenus, pour cela on a étudié les contributions des

individus et des variables à la formation de ces axes que l9on résume dans le tableau suivant :

Contribution pour l9axe 1 Contribution pour l9axe 2

Les individus 1 2 3 5 10 7 12 14

Les variables Arabe, math , PC et SVT Anglais

30
Chaque individus de l9ensemble { 1, 2, 3, 5, 10} a soit des résultats meilleures en arabe et

moyennes en math , PC et SVT soit l9inverse, et ils ont en générale des bons résultats en une

discipline et moyenne à l9autre, par contre, les individus 7 12 14 ont des résultats homogènes

dans toutes les matières et la note d9anglais est la plus fortes pour le 7 et le 12 (resp. 16 et

17.5)

De ces constatation on peut dire que l9axe 1 correspond aux étudiants qui sont soit littéraires

soit scientifique et l9axe 2 correspond à ceux qui ont des scores presque identique dans tous

les modules.

Interprétation des individus (suite) :

Maintenant on va s9intéresser aux ressemblances entre les individus, et pour cela on doit

consulter le graphique représentatif de ces derniers :

31
Les deux individus 2 et 5 s9opposent par rapport au deuxième axe ce qui traduit que leurs

résultats des différentes matières le sont.

Les trois individus 1, 5 et 10 sont proches, ils ont alors une ressemblance réelle de point de

vue des variables, ces trois individus se caractérisent par des bons résultats aux disciplines

littéraires et moyens aux disciplines scientifiques, il en est de même pour le groupe {2, 3, 6}

mais celui-là a par contre des résultats meilleurs en math, PC et SVT et moyens en arabe,

français et anglais.

Interprétation des variables (suite) :

Le graphique des variables se caractérise par le cercle des corrélations ci-dessous :

32
Les trois variables math, PC et SVT sont très corrélées entre elles, la corrélation étant positive

ce qui justifie que les trois variables agissent dans le même sens pour les individus c.-à-d.

qu9une bonne note dans l9un de ces trois modules s9accompagne par des bonnes notes aux

deux autres et inversement.

L9examen de la matrice des corrélations ci-dessous nous indique que les deux disciplines

littéraire et scientifique sont corrélées négativement et les modules de même discipline sont

corrélés positivement, ce qui signifie que les deux groupes de modules s9opposent pour les

individus qui les décrivent.

33
 Arabe Français Anglais Philo Math PC SVT ES

Arabe 1.000 0.666 0.623 0.627 -0.437 -0.391 -0.299 -0.188

Français 0.666 1.000 0.653 0.153 -0.150 -0.040 -0.205 -0.278

Anglais 0.623 0.653 1.000 0.514 0.158 0.185 0.157 -0.108

Philo 0.627 0.153 0.514 1.000 -0.274 -0.258 -0.130 -0.183

Math -0.437 -0.150 0.158 -0.274 1.000 0.868 0.854 -0.301

PC -0.391 -0.040 0.185 -0.258 0.868 1.000 0.799 -0.095

SVT -0.299 -0.205 0.157 -0.130 0.854 0.799 1.000 -0.224

ES -0.188 -0.278 -0.108 -0.183 -0.301 -0.095 -0.224 1.000

Ainsi on a déterminé l9intérêt des étudiants pour chaque discipline, ce qui facilitera leur

orientation soit vers des disciplines littéraires, soit vers des disciplines scientifiques.

Exemple 2 :

Sur un échantillon de 20 familles à Sefrou on a distribué un questionnaire pour recueillir des

réponses aux questions suivantes

-Le nombre d9enfants : enf -l9huile d9olive en l : HO

-Le salaire : slr -les fruits en Kg : frui

-la quantité de farine en Kg : frn -le nombre Tufs : efs

-la quantité de poisson en Kg : poi -les légumes en Kg : lgm

-la quantité de lait en l -le thé en l

-la viande en Kg : vnd -le poulet en Kg : plt

34
 -l9huile végétal en l : HV

On va étudier la relation entre le nombre d9enfants, les revenus et la consommation mensuelle

de ces 11 aliments.

On veut réaliser une ACP du tableau ci-contre pour connaitre les structures et les modes de

consommation des habitants de ce quartier.

Les données issues de cet enquête sont représentées dans le tableau ci-dessous :

famille enf slr frn poi lait vnd HV HO frui efs lgm Thé plt

1 4 3000 40 5 15 4 5 1 15 8 30 20 4
2 3 2000 40 1 4 0.5 5 0 6 60 40 50 6
3 1 5000 30 5 30 6 4 2 15 10 20 8 3
4 5 3500 50 4 10 4 7 1 8 10 40 50 2
5 2 2500 40 2 6 1 5 0.5 10 45 30 40 5
6 1 2300 25 1 4 1 5 1 5 15 30 30 4
7 0 2200 15 1 6 0 2 0.5 8 40 30 20 4
8 3 6000 50 4 30 8 7 2 10 20 30 10 3
9 3 3400 40 3 40 4 5 1 15 15 40 15 5
10 3 2700 45 1 6 1 5 0 8 60 50 30 4
11 5 2250 50 0 5 0 9 0.5 4 40 55 50 3
12 2 4500 35 2 10 2 5 1 6 40 30 20 2
13 2 3300 30 3 15 6 4 1 20 20 40 35 4
14 0 1700 10 1 4 0.5 2 0 8 60 30 20 3
15 1 2200 20 0.5 0 1 3 0.5 4 30 35 30 2
16 2 1900 30 1 4 0.5 5 0 4 30 35 40 4
17 2 2300 40 1 6 1 5 1 6 30 40 30 4
18 2 5200 40 2 20 8 6 1 20 20 25 20 2
19 4 4000 50 2 18 6 7 2 15 15 30 20 5
20 2 2500 30 1 5 1 4 0 6 20 40 40 4

35
Analyse et interprétation des résultats :

Ces données sont toutes quantitatives on les traite alors par une ACP.

Le nombre d9axe à retenir :

Pour répondre à cette question on consulte l9éboulis des valeurs propres :

En utilisant ce graphique, on peut dire que les deux premiers axes restituent une bonne

proportion de la variance totale, en effet ces deux axes expliquent environ 71.26% ; 46.21%

pour l9axe 1 et 25.05% pour le deuxième axe comme l9indique le tableau suivant :

Dim.1 Dim.2 Dim.3 Dim.4 Dim.5 Dim.6 Dim.7

Variance 6.008 3.256 1.176 0.707 0.572 0.416 0.370

% of var. 46.213 25.049 9.043 5.442 4.399 3.204 2.843

Cumulative % of var. 46.213 71.262 80.306 85.747 90.146 93.350 96.193

La chute est importante dès la troisième valeur propre (de 25.049% à 9.043%) d9où le choix

des deux premiers axes.

Qualité de représentation des individus :

36
Le tableau suivant rassemble les qualités de représentation des individus dans les deux axes

retenus :

Individus Qualité dans l9axe 1 Qualité dans l9axe 2 Qualité dans le plan

Cos 2 Cos2 ∑Cos2

1 0.495 0.005 0.500
2 0.550 0.134 0.684
3 0.714 0.250 0.964
4 0.093 0.514 0.607
5 0.303 0.008 0.311
6 0.210 0.170 0.380
7 0.309 0.663 0.972
8 0.845 0.013 0.858
9 0.395 0.005 0.400
10 0.416 0.193 0.609
11 0.178 0.723 0.901
12 0.020 0.088 0.108
13 0.206 0.020 0.226
14 0.389 0.527 0.916
15 0.434 0.249 0.683
16 0.823 0.001 0.824
17 0.463 0.063 0.526
18 0.617 0.026 0.643
19 0.579 0.122 0.701
20 0.665 0.000 0.665

Sur le premier axe on peut considérer que les individus 3, 8, 16, 18, et 20 sont bien

représentés, les deux individus 2 et 19 ont une qualité acceptable et tous les autres individus

sont mal représentés dans ce premier axe.

37
De même pour l9axe 2 les individus bien représentés dans cet axe sont 7, 11, et 14, le 4 à une

qualité acceptable et tout le reste est mal représenté dans cet axe.

Mais dans le plan formé de ces deux axes on peut considérer que les individus 1, 2, 3, 4, 7, 8,

10, et 11 ainsi que les individus de 14 à 20 sont bien représentés dans ce plan.

Les individus bien représentés sont déterminés, on étudie maintenant leur participation à la

formation des axes, le tableau ci-contre résume la contribution des individus, nous ne

conservons que celles supérieures à la moyenne (supérieures à 100/20=5)

La contribution la plus importante à la formation de Individus Contribution Contribution

l9axe 1 est celle des individus 8, 3, 18, 2, 19 et 14 Pour l9axe 1 pour l9axe 2
1 4.081 0.075
Contribution + Contribution -
2 7.402 3.325
3 8 18 19 2 14 3 14.959 9.680
4 1.233 12.529
5 1.260 0.063
De même les individus les plus influents sur la
6 1.041 1.555
formation du deuxième axe sont 11, 14, 7, 4 et 3
7 3.505 13.887
Contribution + Contribution - 8 17.309 0.496
4 11 3 7 14 9 4.371 0.108
10 3.772 3.233
11 3.891 29.223
12 0.095 0.757
13 1.374 0.248
14 6.690 16.741
15 4.121 4.369
16 4.672 0.012
17 1.181 0.297
18 8.700 0.669
19 7.041 2.731
20 3.302 0.000

38
Analyse des variables :

Qualité de représentation des variables :

Cette qualité se mesure comme pour les individus :

Variables Qualité dans l9axe 1 Qualité dans l9axe 2 Qualité dans le plan
Nombre d9enfants 0.070 0.856 0.926
Le salaire 0.811 0.000 0.811
La farine 0.183 0.738 0.921
Le pisson 0.682 0.002 0.684
Le lait 0.743 0.001 0.744
La viand 0.888 0.000 0.888
L9huile végétal 0.117 0.754 0.871
L9huile d9olive 0.787 0.000 0.787
Les fruits 0.555 0.021 0.576
Les Tufs 0.512 0.001 0.513
Les légumes 0.236 0.496 0.732
Le thé 0.384 0.364 0.748
Le poulet 0.040 0.023 0.063

Conclusion : les variables bien représentées dans le premier axe sont : le salaire, le poisson, le

lait, la viande, l9huile d9olive, les fruits et les Tufs.

Les variables bien représentées dans le deuxième axe sont : le nombre d9enfants, la farine,

l9huile végétal et on peut aussi ajouter la variable « légumes » car sa qualité de représentation

dans cet axe est proche de 0.5.

Mais sur le plan toutes les variables sont bien représentées à l9exception de la variable poulet

qui a une qualité largement inférieure à 0.5.

39
Contribution des variables à la formation des axes :

On ne conserve que les contributions supérieures à la contribution moyenne (supérieure à

100⁄13≈7.692)

Conclusion : Les variables CTR Axe1 CTR Axe 2

Les variables contribuent le plus à la formation du Nbenfants 1.168 26.272

Salair 13.494 0.000
premier axe sont : viande, salaire, huile d9olive, lait,
Farine 3.047 22.660
poisson, fruits et Tufs.
Poisson 11.350 0.070
Celles qui contribuent le plus à la formation du lait 12.365 0.034

deuxième axe sont : nb enfants, farine, huile végétal, Viand 14.780 0.000
Huile végétal 1.945 23.165
légumes et la variable thé.
Huile d9olive 13.105 0.004
fruits 9.236 0.650
oeufs 8.517 0.026
légumes 3.924 15.238
thé 6.396 11.186
poulet 0.673 0.694

Interprétation des axes :

L9axe 1 :on regroupe dans le tableau suivant les contributions des individus :

Contribution + Contribution -

Les individus 3 8 18 19 2 14

Les variables viand, salair, huile d9olive, Sufs

lait, poisson et fruits.

L9axe 1 oppose alors les familles dont le salaire est important et dont la consommation de la

viande, d9huile d9olive, du lait, de poisson et des fruits est importante, contre les familles dont

40
le salaire est faible ainsi que la consommation de ces derniers aliments et dont la

consommation des Tufs, des légumes et du thé est remarquable.

l9axe 2 : les individus qui contribuent positivement à la formation de cet axe sont le 11 et le 4

dont le nombre d9enfants est important ainsi que la consommation de la farine, d9huile

d9olive, des légumes et du thé, par contre les individus contribuent négativement à la

formation de cet axe n9ont pas d9enfants et ils ont une consommation faibles de ces aliment.

Ces résultats sont clairs grâce au cercle des corrélations :

Ce cercle nous indique que toutes les variables sont bien représentées car elles sont proches

du cercle sauf pour la variable poulet qui est loin du cercle et par suite elle est mal représentée

dans le plan principal.

41
Les variables salaire, viande, fruits, poisson, lait et huile d9olive sont très corrélées entre elles,

la corrélation étant positive ce qui traduit alors qu9une forte valeur de l9une de ces variables

entraine une forte valeur des autres, elles sont aussi corrélées avec le premier axe ce qui

justifie leur forte contribution à la formation de cet axe.

De même les variables nb enfants, farine et huile végétal sont corrélées entre elles et avec le

deuxième axe ce qui signifie leur forte influence sur la formation de cet axe.

De toutes ces constatations on peut conclure que le premier axe principal mesure l9état

économique des familles, et l9axe 2 mesure leur état social.

Etude des proximités entre les individus :

Pour cela on doit consulter la représentation des individus dans le plan principal

42
On rappelle que les individus bien représentés dans ce plan sont : 1, 2, 3, 4, 7, 8, 10, et 11

ainsi que les individus de 14 à 20.

Les deux individus 16 et 20 sont très proches, ces deux familles présentent le même

comportement de point de vu des variables associées, en effet leur consommation est

pratiquement identique comme le montre le tableau des données brutes.

Il en est de même pour les familles 7 et 14 et pour les deux familles 2 et 10.

Les deux individus 1 et 16 s9opposent par rapport au deuxième axe, ils s9opposeront alors aux

variables qui font cet axe.

Bien entendu la famille 16 a deux enfants mais avec une consommation importante des

légumes, du thé et des Tufs par contre la famille 1 a 4 enfants mais avec une consommation

faibles de ces aliment et forte dans ce qui concerne le poisson, le lait, la viande et les fruits

cette différence est dû à l9écart entre les salaires des deux (le 1 a un salaire de 3000 dh mais le

16 n9a que 1900 dh).

La symétrie est aussi claire entre les deux individus 10 et 15 mais cette fois-ci par rapport au

premier axe, ces deux s9opposent alors par rapport aux variables qui contribuent à la

formation de cet axe. En effet la famille 10 consomme les poissons, le lait les fruits et les

Tufs par contre la famille 15 a une consommation faibles de ces aliments, l9écart de salaire

entre les deux familles est de 500 dh, dans ce cas on peut dire que la consommation des deux

familles est liées au nombre d9enfants seulement.

Conclusion : en analysant les résultats obtenus par cette ACP et en revenant au tableau des

données brutes on peut conclure que les familles salariées plus de 3000 dh se dirigent vers une

consommation des aliments chères (les poissons, le lait, la viande et les fruits), par contre les

familles salariées moins de 3000 dh se dirigent vers une consommation moins chère (la farine,

les Tufs et les légumes).

43
 Cette différence est liées aux salaires et au nombre d9enfants et donc au pouvoir d9achat de

chaque catégorie socioéconomique.

44

Powered by TCPDF ([Link])