ISEA METZ TECHNOPOLE | COMPTE RENDU TP | Utilisation du logiciel SPSS | | | Janvier 2011 |

|
SOMMAIRE

I. Analyse en Composantes Principales (ACP) 3 1. Introduction 3 2. Application de l’ACP sur le tableau de données iris+.xls 4 a. Boite à moustache 4 b. Les Histogrammes des variables 6 c. Tableau de variance totale expliqué 8 d. Diagramme des composants 9 e. Nuages des points des observations 10 3. Conclusion 13 II. Analyse Factorielle Discriminante (AFD) 14 1. Introduction 14 2. Application de l’AFD sur le tableau de données iris+.xls 15 a. Tableau de valeur Propre (% de la variance) 16 b. Coefficients des fonctions discriminantes canoniques non-standardisées 16 c. Fonctions aux barycentres des groupes 16 d. Coefficients des Fonctions de classement (Fisher) 17 e. Tableau récapitulatif (Original, validé-croisé) 17 f. Diagramme des fonctions discriminantes canoniques 23 3. Conclusion 24

Analyse en Composantes Principales (ACP)

Introduction

L’Analyse en Composantes principales (ACP) fait partie du groupe des méthodes descriptives multidimensionnelles appelées méthodes factorielles. Ces méthodes qui sont apparues au début des années 30 ont été surtout développées en France dans les années 60, en particulier par Jean-Paul Benzécri qui a beaucoup exploité les aspects géométriques et les représentations graphiques. Dans la mesure où ce sont des méthodes descriptives, elles ne s’appuient pas sur un modèle probabiliste, mais elles dépendent d’un modèle géométrique. L’ACP propose, à partir d’un tableau rectangulaire de données comportant les valeurs de p variables quantitatives pour n unités (appelées aussi individus), des représentations géométriques de ces unités et de ces variables. Ces données peuvent être issues d’une procédure d’échantillonnage ou bien de l’observation d’une population toute entière. Les représentations des unités permettent de voir s’il existe une structure,