Analyse discriminante linéaire

SMCS : Pratiqueseptembre 2009 2 3 4 Objectifs de la formation SPSS – Objectifs de la formation Résumer ce que peut offrir la statistique Découvrir l’environnement SPSS Appliquer quelques principales analyses statistiques Apprendre à interpréter les résultats des analyses Répondre à vos questions spécifiques Formation SMCS : Pratique de la statistique avec SPSS 6 7 8 Contexte SPSS - Etude de cas Contexte : Un entraîneur souhaite mieux comprendre les facultés de

accumulée Equipe de recherche en Ingénierie des Connaissances Laboratoire ERIC 6 Le processus ECD (Extraction de connaissances à partir de données) KDD – Knowledge discovery in Databases • Graphes d'Induction • Réseaux de neurones • Analyse discriminante • Régression logistique • Echantillonnage • Préparation des données • Visualisation des données • Tests statistiques • Re-échantillonnage table modèles Connaissances Bases de données Fouille des données (Data mining)

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

Grapheur, Analyseur Analyse Exploratoire Techniques Visualisation graphiques 1D, 2D, 3D Méthodes Analyse des distributions - paramétrique - non paramétrique - QQ plots Analyse confirmatoire Ajustement par modèles Exploration des données Rechercher, trier et éditer Identifier / données Brosser (Brushing et Slicing ) Colorier , Marquer / critère Supprimer, cacher, exclure des calculs Animation etc. Ré-expression des données Analyse Composantes Principales Rotation axes Analyse Canonique des Corrélations

s'inspire entre autres de la bibliographie présentée en fin de texte et de l'expérience de l'auteure dans la conduite de ce type d'analyse. J'ai ajouté à la fin un texte de Lauri Tarkkonen qui explique bien à mon avis la différence entre analyse factorielle et analyse en composantes principales. Je suis ouverte et intéressée à vos commentaires et critiques qui me permettront d'améliorer éventuellement le texte. Claire Durand durandc@ere.umontreal.ca Table des matières © Claire Durand - L'analyse

Scénario: Données bancaires et segmentation de clientèle Analyse en composantes principales Justifier le choix de dimension, interprétation des axes et donc des comportements des clients dans chacune des grandes directions. Sur le plan principal, que dire de la répartition des possesseurs/non-possesseurs de carte VP ? Résumé Exploration de données bancaires par des méthodes uni, bi et multidimensionnelles : ACP, AFCM k-means, CAH. Analyse factorielle des correspondances Explicitez, justifiez les

hiérarchique H I E R A R C H I C A L C L U S T E R A N A L Y S I S Annexe 2 : Analyse factorielle en composantes principales Annexe 3 : Analyse discriminante en trois groupes (G1, G2, G3) Récapitulatif des fonctions discriminantes canoniques Annexe 4 : Analyse discriminante en deux groupes (S1, S2) Récapitulatif des fonctions discriminantes canoniques Statistiques de classement

médiation est parfaite dans le cas où la variable indépendante n’a pas d’effet quand le médiateur est contrôlé. 2 - Avec des ANOVA dans le cas de variables qualitatives Les trois liens sont testés avec des analyses de variances (ANOVA / ANCOVA). L’existence du médiateur peut se faire avec une analyse multivariée de covariance (MANCOVA) en prenant le soin d’insérer la variable médiatrice comme covariable. ----------------------- Variable indépendante Variable dépendante Variable médiatrice

rapport à la fréquences des sons émis. L’objectif de cette étude de data-mining est de mettre en place le modèle le plus performant possible pour prédire en fonction de mesure le mot prononcé par une personne. Quelques statistiques… Nous allons analyser le fichier à l’aide de statistique descriptive afin d’en dégager les principales tendances. Ci-dessus, les statistiques concernant les variables quantitatives continues de notre fichier. On remarque déjà qu’il n’y a aucune valeur manquante

d’établir une relation statistique stable entre les variables explicatives retenues et l’appartenance des entreprises à l’un des deux groupes. Différents outils sont à la disposition des auteurs, dont le plus fréquemment utilisé est l’analyse discriminante linéaire, mais les méthodes alternatives sont nombreuses. L’objet de cet article est de présenter de manière synthétique les évolutions et la situation actuelle de la recherche, tant exploratoire qu’opérationnelle, en ce domaine. En proposant une explication