Analyse factorielle des correspondances

ANALYSE DES DONNEES Rachid Jahidi Définition L’analyse des données est un processus qui permet de transformer une masse d’informations en information structurée permettant la prise de décision 10/11/2014 cours ADD R.JAHIDI 2 méthodes de l'analyse des données les méthodes pour décrire 10/11/2014 les méthodes pour expliquer R. Jahidi 3 Le programme Analyse en composantes principales Analyse typologique Analyse factorielle des correspondances 10/11/2014 R. Jahidi 4 L’ordinateur et

| | |ENSEIGNEMENTS |VOLUME HORAIRE | |Statistiques 1 – analyse des données |18h (dont 6h de TD en salle informatique) | |Statistiques 2 – modélisation statistique |18h (dont 6h de TD en salle informatique)

au-dessus de la valeur théorique, ce résultat créé une attraction entre les 2 modalités. « -TS » est le symbole d’une répulsion entre les 2 modalités, on peut alors modéliser les résultats de ce tableau sous la forme d’une carte (AFC) analyse factorielle des correspondances ou les attractions répulsions vont être visualisées par des proximités. Remarque : Dans le premier tableau, des attractions/répulsions sont symbolisées par des couleurs. Bleu pour l’attraction, Rose pour la répulsion. La carte

4 II - analyse des correspondances multiples…………………………6 1 - Tableau disjonctif……………………………………………….7 2 - Tableaux des profils……………………………………………8 * Profil ligne…………………………………………………….8 * -Profil colonne………………………………………………..10 3 - Résultats obtenus par Ancor…………………………………14 III – Classification……………………………………………………...21 1 – Résultats obtenus par le logiciel……………………………..21 Conclusion………………………………………………………….24 Introduction L'Analyse des Correspondances Multiples

Thierry Foucart 1 http://foucart.thierry.free.fr Chapitre 9 ANALYSE FACTORIELLE DES CORRESPONDANCES 1. NATURE DES DONNÉES ÉTUDIÉES. 1.1 Données initiales. • Tableaux de contingence obtenus par tri croisé d’un échantillon ou assimilés • Tableaux de mesures positives • Tableaux disjonctifs complets (analyse des correspondances multiples) Exemple de tableau de contingence: X : 3 modalités brunes : fumeur de brunes blondes : fumeur de blondes non fumeur brunes X blondes non

connaissances statistiques particulières. Dans un second temps, l'utilisateur pourra affiner l'analyse, vérifier ou essayer de nouvelles hypothèses interprétatives. La connaissance de certains outils statistiques (Chi2 d'association, Analyse Factorielle des Correspondances), ainsi qu'une familiarisation avec le logiciel, lui sera alors utile. Il y a toutefois deux conditions pour obtenir un résultat signifiant : la première est que le corpus se présente comme un tout ayant une certaine cohérence (cohérence

et on a identifié les pièces les plus sollicitées et les pièces obsolètes. Pour les pièces obsolètes nous avons identifié celles qui seront destinées à la reforme. Et pour les pièces les plus sollicitées nous avons procédé par une analyse factorielle des correspondances pour grouper les articles ayant le même comportement et leur allouer par la suite les politiques de réapprovisionnement adéquates. Enfin nous avons proposé des ratios qui doivent être calculés et des fiches de suivi pour le contrôle

la micro-´ conomie ” de Boeck Universit´ , 1994 ; e e ´ 2` me edition francaise, Bruxelles, 723 pages, e ¸ O A. Mas-Colell, M.D, Whinston et J.R. Green, ” Microeconomic Thory ”, Oxford Unviersity Press, 1995, Oxford, 981 pages Analyse Num´ rique e Plan O Analyse matricielle : M´ thodes directes de r´ solution des syst` mes lin´ aires : e e e e m´ thode d’´ limination de Gauss et de d´ composition LU. e e e O Complexit´ algorithmique : algorithme de Strassen. e O M´ thodes it´ ratives de r´

général des profils complexes : pas seulement des oppositions « jeunes/seniors », « citadins/ruraux »… que l’on pourrait deviner en tâtonnant par des statistiques descriptives > Le data mining fait passer  d’analyses confirmatoires  à des analyses exploratoires 14/10/2011 © Stéphane Tufféry - Usage réservé à l’Université Rennes 1 6 Les 2 types de techniques de DM  Les techniques descriptives (recherche de « patterns ») :     visent à mettre en évidence des

d’achat du consommateur. La fidélité est opérationnalisée dans cette étude exploratoire au moyen de l’engagement du consommateur vis-à-vis de l’entreprise et le comportement d’achat au moyen des parts d’achats du consommateur dans cette entreprise. Les analyses s’appuient sur le modèle tétraclasse de Llosa, qui est testé pour une offre complexe de service dans un secteur de santé, et élargi à l’engagement et aux parts d’achats du client. La construction du modèle tétraclasse de Llosa (cf. article précédent