ESIEAPARIS 20092010
ExamenMAT5201DATAMINING Vendredi27Novembre2009 PremièrePartie:15minutes Enseignantresponsable:FrédéricBertrand
Remarqueimportant:lesquestionsdecequestionnairesontposéesdanslecontexted’uncours deDATAMINING.Uneseuleréponseestbonneparquestion.
1. QuesignifieACP?
a) AnalyseenComposantesPrincipales b) AnalysedesCorrespondancesPremières c) AnalysedesClassesPrimaires
2. QuesignifieGLM?
a) GénéralisationdesLoisMultidimensionnelles b) GeneralizedLinearModel
c) GestionLogistiquedesModèles 3. QuesignifieANOVA?
a) AnalyseNormaliséeetOrientéedesVariablesAuxiliaires b) AssociationNationaleOrientéedesVentesetdesAssurances c) ANalysisOfVAriance
4. QuesignifieCRM?
a) CentredeRechercheenMathématiques b) ClassificationdesRelationsMaximales c) CustomerRelationshipManagement 5. QuesignifieGRC?
a) GroupedeRechercheenCryptographie b) GestiondelaRelationClient
c) GeneralRegressionClassification 6. QuesignifieCART?
a) ClassificationAndRegressionTree
b) ClassementetAnalysedanslesRéseauxTéléphoniques c) ClassificationAscendantedesRégressionsetdesTests 7. QuesignifieSVM?
a) SimplificationdesVariablesetdesModèles b) SegmentationdesVecteursetdesMéthodes c) SupportVectorMachines
8. LeDataMiningestilutileenCRM?Donnezunexempledeproblématiqueliéeàson utilisation.
a) Non.………
ESIEAPARIS 20092010
9. QuesignifieVPC?
a) VenteParCorrespondance
b) VecteursPrincipauxdesComposantes c) ValorisationetPartitionnementdesClasses
10. CombiendegrandesfamillesdetechniquesdeDATAMININGsontprésentéesdansce cours?Citezlesdanslecasquevousavezchoisi.
a) Une.……….
b) Deux.………..
c) Trois.………..
11. QuesignifieMANCOVA?
a) ModèleAnalytiqueNormalisépouruneCorrespondanceOrientéedeVariables Automatiques
b) MéthodeetAnalyseNormaliséespourdesClassesOrientéesverslesVecteurs Ascendants
c) MultipleANalysisOfCOVAriance 12. LelogicielRest
a) Libre
b) Commercialisé c) Unprogiciel 13. UneACPseréalise
a) Surdesvariablesqualitatives b) Surdesvariablesquantitatives c) Surdesvariablesmixtes
14. LacommandesousRpourréaliseruneACPest a) ACP()
b) Res.pca() c) PCA()
15. LacommandesousRpourréaliseruneAFCest a) Res.ca()
b) CA() c) Assoc() 16. QuesignifieCAH?
a) ClassificationAscendanteHiérarchique b) ClassementAutomatiqueetHomogène c) ComposantesAléatoiresetHiérarchiques
E.S.I.E.A Paris
Année scolaire 2009/2010
UE de cinquième année : MAT 5201 - Data Mining Enseignants Responsables : F. Bertrand
Chaque réponse devra être justifiée précisément. En annexe sont donnés le journal et la sortie d’un traitement avec le logiciel R.
Exercice :
On dispose des précipitations mensuelles (en mm) (moyennes mensuelles calculées sur 30 ans) pour 34 villes de France. Les villes choisies recouvrent à peu près uniformément le territoire français.
Les données sont fournies dans le tableau 1.
1. Décrire le jeu de données (nombre d’individus, nombre de variables, nature des variables) 2. Que pouvez-vous dire à partir des données centrées-réduites (tableau 3)?
3. On veut effectuer une ACP sur ce jeu de données : quels sont les objectifs d’une telle analyse?
4. Les variables ont été centrées et réduites avant l’analyse. La réduction était-elle indispen- sable? Justifier.
5. Les tableaux 5, 6, 7, 8 et 9 donnent les PRINCIPAUX résultats de l’ACP sur les variables et les individus. Quelle est l’inertie expliquée par le premier axe de l’ACP ? Et par le premier plan?
6. Quelles sont les villes qui contribuent le plus à la construction des deux premiers axes? Que signifie une contribution importante?
7. La figure 4 donne le graphe des individus de l’ACP. La figure 5 donne le graphe des variables.
Interpréter les facteurs principaux de l’ACP (à l’aide du graphe des individus et de celui des variables).
8. À partir du cercle de corrélations, que pouvez-vous dire concernant les corrélations suivantes février-mars, février-juin?
9. VRAI ou FAUX? Si FAUX, corriger la phrase proposée.
– Une ville pluvieuse en juillet est également pluvieuse en octobre.
– La variable janvier est bien représentée sur l’axe 1.
– La ville de Vichy a joué le rôle le plus important dans la construction de l’axe 2.
– La coordonnée d’une variable sur un axe est un indicateur de sa qualité de représentation par l’axe.
JanvierFévrierMarsAvrilMaiJuinJuilletAoûtSeptembreOctobreNovembreDécembre Ajaccio7869513943231015438110596 Angers655060455055356055658070 Angoulème796864627058536669707988 Besançon948775748610780116106789293 Biarritz128105981021009169123155152175176 Bordeaux10084665764715265888499117 Brest1309889777460518095108136159 Caen656145445352455766757971 Clermont-Fd282730417879487058433930 Dijon624851486879447974536761 Embrun615555484763416560608162 Grenoble807969698394749688859098 Lille454338374557626453565656 Limoges877568697271567387728298 Lyon5350605467845510486738062 Marseille364940353833132765676961 Montpellier5659694647412052781257073 Nancy665843456270587665525967 Nantes836553485452426680779594 Nice67837170393721388310915892 Nîmes5253574550402540751008360 Orléans574843465254475451546154 Paris534840455357546154505851 Perpignan275259474933272869977071 Poitiers655856495555465952617868 Reims434442375253475854435250 Rennes575045434648365753607366 Rouen655850445057496770726866 St-Quentin525046445263616967526365 Strasbourg514442587188739061435147 Toulon768682604935123177105117107 Toulouse535052556565444357495865 Tours635552515358476060556865 Vichy504551528484638675585855 Tab.1–Donnéesbrutes
JanvierFévrierMarsAvrilMaiJuin Min.:27.00Min.:27.00Min.:30.00Min.:35.00Min.:38.00Min.:23.0 1stQu.:52.251stQu.:49.251stQu.:45.001stQu.:44.251stQu.:49.251stQu.:52.0 Median:62.50Median:55.00Median:52.50Median:48.00Median:53.00Median:57.5 Mean:65.50Mean:60.41Mean:56.24Mean:52.53Mean:59.44Mean:60.8 3rdQu.:77.503rdQu.:68.753rdQu.:65.503rdQu.:57.753rdQu.:69.503rdQu.:71.0 Max.:130.00Max.:105.00Max.:98.00Max.:102.00Max.:100.00Max.:107.0 JuilletAoûtSeptembreOctobreNovembreDécembre Min.:10.00Min.:15.00Min.:43.00Min.:43.00Min.:39.00Min.:30.00 1stQu.:37.251stQu.:54.751stQu.:57.251stQu.:54.251stQu.:61.501stQu.:61.00 Median:47.00Median:64.50Median:68.00Median:68.50Median:75.50Median:66.50 Mean:45.88Mean:64.56Mean:71.44Mean:73.06Mean:80.85Mean:76.88 3rdQu.:55.753rdQu.:75.253rdQu.:79.503rdQu.:83.253rdQu.:88.253rdQu.:92.75 Max.:80.00Max.:123.00Max.:155.00Max.:152.00Max.:175.00Max.:176.00 JanvierFévrierMarsAvrilMaiJuinJuilletAoûtSeptembreOctobreNovembreDécembre Janvier1.000.900.790.780.480.280.270.430.690.560.760.92 Février0.901.000.890.820.340.110.070.250.750.750.880.94 Mars0.790.891.000.850.410.150.030.300.800.830.830.88 Avril0.780.820.851.000.700.490.400.580.860.620.750.80 Mai0.480.340.410.701.000.860.730.820.650.140.180.39 Juin0.280.110.150.490.861.000.890.930.48-0.16-0.060.10 Juillet0.270.070.030.400.730.891.000.870.34-0.26-0.140.07 Août0.430.250.300.580.820.930.871.000.620.040.120.26 Septembre0.690.750.800.860.650.480.340.621.000.730.700.76 Octobre0.560.750.830.620.14-0.16-0.260.040.731.000.820.77 Novembre0.760.880.830.750.18-0.06-0.140.120.700.821.000.87 Décembre0.920.940.880.800.390.100.070.260.760.770.871.00 Tab.2–Statistiquesdescriptivesetcorrélationsdesdonnéesbrutes
Ajaccio
Angers
Angoulème
Besançon
Biarritz
Bordeaux
Brest
Caen
Clermont−Fd
Dijon
Embrun
Grenoble
Lille
Limoges
Lyon
Marseille
Montpellier
Nancy
Nantes
Nice
Nîmes
Orléans
Paris
Perpignan
Poitiers
Reims
Rennes
Rouen
St−Quentin
Strasbourg
Toulon
Toulouse
Tours
Vichy
Janvier Février Mars Avril
Mai Juin Juillet
Août
Septembre Octobre Novembre
Décembre
Fig. 1 –Pluviométrie par ville, données brutes
JanvierFévrierMarsAvrilMaiJuinJuilletAoûtSeptembreOctobreNovembreDécembre Ajaccio0.540.49-0.35-0.97-1.10-1.94-2.02-2.06-1.380.310.820.64 Angers-0.02-0.600.25-0.54-0.63-0.30-0.61-0.19-0.79-0.32-0.03-0.23 Angoulème0.580.430.510.680.71-0.140.400.06-0.12-0.12-0.060.37 Besançon1.231.521.241.541.782.371.922.141.670.200.380.54 Biarritz2.702.552.763.552.721.551.302.434.043.133.213.32 Bordeaux1.491.350.650.320.310.520.340.020.800.430.621.34 Brest2.782.152.171.760.98-0.040.290.641.141.381.882.75 Caen-0.020.03-0.74-0.61-0.43-0.45-0.05-0.31-0.260.08-0.06-0.20 Clermont-Fd-1.62-1.91-1.74-0.831.250.930.120.23-0.65-1.19-1.43-1.57 Dijon-0.15-0.71-0.35-0.330.570.93-0.110.600.12-0.79-0.47-0.53 Embrun-0.19-0.31-0.08-0.33-0.830.11-0.280.02-0.55-0.520.01-0.50 Grenoble0.631.060.841.181.581.701.581.310.800.470.310.71 Lille-0.88-1.00-1.21-1.12-0.97-0.190.91-0.02-0.89-0.68-0.85-0.70 Limoges0.930.830.781.180.840.520.570.350.75-0.040.040.71 Lyon-0.54-0.600.250.110.511.190.511.640.70-0.00-0.03-0.50 Marseille-1.27-0.65-1.07-1.26-1.44-1.43-1.85-1.56-0.31-0.24-0.40-0.53 Montpellier-0.41-0.080.84-0.47-0.83-1.02-1.46-0.520.322.06-0.37-0.13 Nancy0.02-0.14-0.88-0.540.170.470.680.48-0.31-0.83-0.75-0.33 Nantes0.750.26-0.21-0.33-0.37-0.45-0.220.060.410.160.480.57 Nice0.061.290.981.26-1.37-1.22-1.40-1.110.561.422.630.51 Nîmes-0.58-0.420.05-0.54-0.63-1.07-1.18-1.020.171.070.07-0.57 Orléans-0.37-0.71-0.88-0.47-0.50-0.350.06-0.44-0.99-0.75-0.68-0.77 Paris-0.54-0.71-1.07-0.54-0.43-0.190.46-0.15-0.84-0.91-0.78-0.87 Perpignan-1.66-0.480.18-0.40-0.70-1.43-1.06-1.52-0.120.95-0.37-0.20 Poitiers-0.02-0.14-0.02-0.25-0.30-0.300.01-0.23-0.94-0.48-0.10-0.30 Reims-0.97-0.94-0.94-1.12-0.50-0.400.06-0.27-0.84-1.19-0.98-0.90 Rennes-0.37-0.60-0.74-0.68-0.90-0.66-0.56-0.31-0.89-0.52-0.27-0.36 Rouen-0.02-0.14-0.41-0.61-0.63-0.190.180.10-0.07-0.04-0.44-0.36 St-Quentin-0.58-0.60-0.68-0.61-0.500.110.850.18-0.21-0.83-0.61-0.40 Strasbourg-0.63-0.94-0.940.390.781.401.531.06-0.50-1.19-1.02-1.00 Toulon0.451.461.700.54-0.70-1.32-1.91-1.400.271.261.231.01 Toulouse-0.54-0.60-0.280.180.370.22-0.11-0.90-0.70-0.95-0.78-0.40 Tours-0.11-0.31-0.28-0.11-0.43-0.140.06-0.19-0.55-0.72-0.44-0.40 Vichy-0.67-0.88-0.35-0.041.651.190.960.890.17-0.60-0.78-0.73 Tab.3–Donnéescentrées-réduites
JanvierFévrierMarsAvrilMaiJuin Min.:-1.660e+00Min.:-1.912e+00Min.:-1.736e+00Min.:-1.259e+00Min.:-1.439e+00Min.:-1.939e+00 1stQu.:-5.714e-011stQu.:-6.388e-011stQu.:-7.434e-011stQu.:-5.949e-011stQu.:-6.839e-011stQu.:-4.513e-01 Median:-1.294e-01Median:-3.097e-01Median:-2.471e-01Median:-3.254e-01Median:-4.322e-01Median:-1.690e-01 Mean:1.530e-17Mean:-1.133e-16Mean:4.188e-17Mean:-1.316e-16Mean:2.245e-16Mean:-1.245e-16 3rdQu.:5.175e-013rdQu.:4.772e-013rdQu.:6.130e-013rdQu.:3.751e-013rdQu.:6.750e-013rdQu.:5.237e-01 Max.:2.782e+00Max.:2.552e+00Max.:2.763e+00Max.:3.554e+00Max.:2.722e+00Max.:2.371e+00 JuilletAoûtSeptembreOctobreNovembreDécembre Min.:-2.021e+00Min.:-2.063e+00Min.:-1.375e+00Min.:-1.190e+00Min.:-1.429e+00Min.:-1.572e+00 1stQu.:-4.863e-011stQu.:-4.084e-011stQu.:-6.861e-011stQu.:-7.448e-011stQu.:-6.607e-011stQu.:-5.324e-01 Median:6.296e-02Median:-2.449e-03Median:-1.664e-01Median:-1.805e-01Median:-1.827e-01Median:-3.480e-01 Mean:-2.554e-17Mean:-1.377e-16Mean:1.588e-16Mean:-1.348e-16Mean:-2.084e-16Mean:2.383e-16 3rdQu.:5.559e-013rdQu.:4.451e-013rdQu.:3.896e-013rdQu.:4.035e-013rdQu.:2.525e-013rdQu.:5.319e-01 Max.:1.922e+00Max.:2.433e+00Max.:4.040e+00Max.:3.126e+00Max.:3.214e+00Max.:3.322e+00 JanvierFévrierMarsAvrilMaiJuinJuilletAoûtSeptembreOctobreNovembreDécembre Janvier1.000.900.790.780.480.280.270.430.690.560.760.92 Février0.901.000.890.820.340.110.070.250.750.750.880.94 Mars0.790.891.000.850.410.150.030.300.800.830.830.88 Avril0.780.820.851.000.700.490.400.580.860.620.750.80 Mai0.480.340.410.701.000.860.730.820.650.140.180.39 Juin0.280.110.150.490.861.000.890.930.48-0.16-0.060.10 Juillet0.270.070.030.400.730.891.000.870.34-0.26-0.140.07 Août0.430.250.300.580.820.930.871.000.620.040.120.26 Septembre0.690.750.800.860.650.480.340.621.000.730.700.76 Octobre0.560.750.830.620.14-0.16-0.260.040.731.000.820.77 Novembre0.760.880.830.750.18-0.06-0.140.120.700.821.000.87 Décembre0.920.940.880.800.390.100.070.260.760.770.871.00 Tab.4–Statistiquesdescriptivesetcorrélationsdesdonnéescentrées-réduites
Ajaccio
Angers
Angoulème
Besançon
Biarritz
Bordeaux
Brest
Caen
Clermont−Fd
Dijon
Embrun
Grenoble
Lille
Limoges
Lyon
Marseille
Montpellier
Nancy
Nantes
Nice
Nîmes
Orléans
Paris
Perpignan
Poitiers
Reims
Rennes
Rouen
St−Quentin
Strasbourg
Toulon
Toulouse
Tours
Vichy
Janvier Février Mars Avril
Mai Juin Juillet
Août
Septembre Octobre Novembre
Décembre
Fig.2 – Pluviométrie par ville, données centrées-réduites
Dim.1 Dim.2 Dim.3 Dim.4 Dim.5 Janvier 0.89 -0.10 -0.41 0.02 0.14 Février 0.90 -0.32 -0.21 0.00 -0.02 Mars 0.90 -0.29 0.09 -0.10 -0.05 Avril 0.95 0.09 0.04 -0.14 -0.23 Mai 0.65 0.66 0.11 -0.31 0.12 Juin 0.44 0.88 0.05 -0.02 -0.05 Juillet 0.35 0.88 -0.16 0.14 -0.04
Août 0.58 0.77 0.06 0.22 0.02
Septembre 0.92 0.08 0.31 0.12 0.07 Octobre 0.72 -0.55 0.36 0.09 0.12 Novembre 0.81 -0.49 -0.03 0.10 -0.20 Décembre 0.91 -0.31 -0.19 -0.02 0.13
Tab. 5 –Coordonnées des variables
Dim.1 Dim.2 Dim.3 Dim.4 Dim.5 Janvier 0.89 -0.10 -0.41 0.02 0.14 Février 0.90 -0.32 -0.21 0.00 -0.02 Mars 0.90 -0.29 0.09 -0.10 -0.05 Avril 0.95 0.09 0.04 -0.14 -0.23 Mai 0.65 0.66 0.11 -0.31 0.12 Juin 0.44 0.88 0.05 -0.02 -0.05 Juillet 0.35 0.88 -0.16 0.14 -0.04
Août 0.58 0.77 0.06 0.22 0.02
Septembre 0.92 0.08 0.31 0.12 0.07 Octobre 0.72 -0.55 0.36 0.09 0.12 Novembre 0.81 -0.49 -0.03 0.10 -0.20 Décembre 0.91 -0.31 -0.19 -0.02 0.13
Tab. 6 –Corrélations variables - dimensions
Pourcentage de variance
0102030405060
Fig. 3 –Graphe des pourcentages d’inertie des douze axes (sortie R)
●
0 5 10
−6−4−20246
Dimension 1 (60.26%)
Dimension 2 (28.37%)
●
●
●
●
●
●
●
●
●
●
●
●
● ●
●
● ●
●
●
●
●
●
●
●
●
●
●
●
●
●
●
●
●
●
Ajaccio Angers
Angoulème
Besançon
Biarritz Bordeaux
Brest Caen
Clermont−Fd
Dijon
Embrun
Grenoble
Lille Limoges
Lyon
Marseille Montpellier Nancy
Nantes
Nice Nîmes
Orléans Paris
Perpignan Poitiers Reims
Rennes Rouen St−Quentin Strasbourg
Toulon Toulouse
Tours Vichy
Fig. 4 –Graphe des individus (sortie R)
●
−1.0 −0.5 0.0 0.5 1.0
−1.0−0.50.00.51.0
Dimension 1 (60.26%)
Dimension 2 (28.37%)
Janvier
Février Mars
Avril Mai
JuilletJuin
Août
Septemb
OctobreNovembre Décemb
Fig. 5 –Graphe des variables (sortie R)
Dim.1 Dim.2 Dim.3 Dim.4 Dim.5 Janvier 0.79 0.01 0.16 0.00 0.02 Février 0.81 0.10 0.04 0.00 0.00
Mars 0.82 0.09 0.01 0.01 0.00
Avril 0.90 0.01 0.00 0.02 0.05
Mai 0.43 0.43 0.01 0.10 0.01
Juin 0.19 0.77 0.00 0.00 0.00
Juillet 0.12 0.77 0.03 0.02 0.00
Août 0.33 0.59 0.00 0.05 0.00
Septembre 0.84 0.01 0.09 0.01 0.00 Octobre 0.52 0.30 0.13 0.01 0.02 Novembre 0.66 0.24 0.00 0.01 0.04 Décembre 0.82 0.10 0.04 0.00 0.02
Tab. 7 –Cos2 des variables
Dim.1 Dim.2 Dim.3 Dim.4 Dim.5 Janvier 10.88 0.29 31.40 0.26 11.00 Février 11.24 3.04 8.06 0.01 0.36 Mars 11.27 2.53 1.53 4.41 1.17 Avril 12.40 0.24 0.37 8.57 31.41 Mai 5.90 12.61 2.40 43.03 8.04 Juin 2.64 22.65 0.39 0.13 1.37 Juillet 1.67 22.71 5.17 8.84 0.75 Août 4.61 17.24 0.79 20.33 0.22 Septembre 11.65 0.17 17.98 6.22 2.81 Octobre 7.20 8.73 25.01 3.73 8.78 Novembre 9.16 6.91 0.15 4.27 24.01 Décembre 11.38 2.87 6.75 0.21 10.07
Tab.8 – Contributions des variables
Dim.1 Dim.2 Dim.3 Dim.4 Dim.5 Ajaccio -1.34 -3.77 -1.20 -0.50 0.39 Angers -1.10 -0.60 -0.25 0.00 -0.08 Angoulème 1.01 0.23 -0.54 -0.68 0.01 Besançon 4.39 2.98 -0.04 0.16 -0.20 Biarritz 9.99 0.32 1.07 0.31 0.13 Bordeaux 2.55 -0.36 -0.95 0.10 0.55 Brest 5.74 -1.39 -1.29 -0.26 0.42 Caen -0.88 -0.43 -0.26 0.43 0.29 Clermont-Fd -3.08 2.70 1.04 -0.83 0.22 Dijon -0.61 1.50 0.26 -0.22 0.15 Embrun -1.04 -0.09 -0.26 0.36 -0.49 Grenoble 3.19 2.10 0.01 -0.20 -0.09 Lille -2.60 0.86 -0.32 0.95 0.03 Limoges 2.23 0.63 -0.42 -0.55 -0.03 Lyon 0.55 1.92 1.14 0.60 -0.22 Marseille -3.12 -2.21 0.57 0.08 0.19 Montpellier -0.21 -2.32 1.66 0.26 0.84 Nancy -0.90 1.45 -0.61 0.26 0.34 Nantes 0.50 -0.76 -0.50 0.61 0.48 Nice 1.84 -3.75 0.45 0.41 -1.68 Nîmes -1.05 -1.91 1.20 0.05 0.26 Orléans -2.12 0.26 -0.46 -0.04 -0.15 Paris -2.17 0.81 -0.42 0.21 -0.17 Perpignan -1.64 -2.13 1.49 -0.42 0.05 Poitiers -0.91 -0.15 -0.62 -0.16 -0.27 Reims -2.83 0.60 -0.20 0.10 0.05 Rennes -1.95 -0.58 -0.38 0.28 -0.06 Rouen -0.85 0.06 -0.12 0.70 0.30 St-Quentin -1.43 1.05 -0.26 0.63 -0.07 Strasbourg -1.01 3.29 -0.03 -0.11 -0.56 Toulon 1.64 -3.81 0.13 -0.66 -0.23 Toulouse -1.37 0.53 -0.18 -1.23 -0.31 Tours -1.10 0.20 -0.48 -0.04 -0.27 Vichy -0.33 2.78 0.78 -0.60 0.18
Tab. 9 –Coordonnées des individus
Dim.1 Dim.2 Dim.3 Dim.4 Dim.5 Ajaccio 0.10 0.77 0.08 0.01 0.01 Angers 0.49 0.15 0.03 0.00 0.00 Angoulème 0.47 0.02 0.14 0.21 0.00 Besançon 0.66 0.31 0.00 0.00 0.00 Biarritz 0.98 0.00 0.01 0.00 0.00 Bordeaux 0.78 0.02 0.11 0.00 0.04 Brest 0.89 0.05 0.04 0.00 0.00
Caen 0.49 0.12 0.04 0.12 0.05
Clermont-Fd 0.49 0.38 0.06 0.04 0.00 Dijon 0.11 0.62 0.02 0.01 0.01
Embrun 0.56 0.00 0.04 0.07 0.13
Grenoble 0.67 0.29 0.00 0.00 0.00 Lille 0.75 0.08 0.01 0.10 0.00 Limoges 0.80 0.06 0.03 0.05 0.00
Lyon 0.05 0.59 0.21 0.06 0.01
Marseille 0.61 0.31 0.02 0.00 0.00 Montpellier 0.00 0.54 0.27 0.01 0.07
Nancy 0.22 0.59 0.10 0.02 0.03
Nantes 0.13 0.29 0.12 0.19 0.12
Nice 0.16 0.67 0.01 0.01 0.14
Nîmes 0.17 0.56 0.22 0.00 0.01
Orléans 0.91 0.01 0.04 0.00 0.00 Paris 0.82 0.11 0.03 0.01 0.01 Perpignan 0.26 0.43 0.21 0.02 0.00 Poitiers 0.53 0.01 0.24 0.02 0.05
Reims 0.93 0.04 0.00 0.00 0.00
Rennes 0.84 0.07 0.03 0.02 0.00
Rouen 0.51 0.00 0.01 0.34 0.06
St-Quentin 0.52 0.28 0.02 0.10 0.00 Strasbourg 0.08 0.87 0.00 0.00 0.03 Toulon 0.15 0.80 0.00 0.02 0.00 Toulouse 0.47 0.07 0.01 0.38 0.02 Tours 0.72 0.02 0.14 0.00 0.04 Vichy 0.01 0.86 0.07 0.04 0.00
Tab. 10 – Cos2 des individus
Dim.1 Dim.2 Dim.3 Dim.4 Dim.5 Ajaccio 0.73 12.29 8.13 3.16 2.59 Angers 0.49 0.31 0.36 0.00 0.12 Angoulème 0.42 0.05 1.65 5.92 0.00 Besançon 7.83 7.66 0.01 0.31 0.68 Biarritz 40.57 0.09 6.40 1.22 0.27 Bordeaux 2.64 0.11 5.02 0.13 5.16 Brest 13.38 1.68 9.30 0.89 2.96
Caen 0.32 0.16 0.39 2.36 1.38
Clermont-Fd 3.86 6.30 6.04 8.87 0.80 Dijon 0.15 1.93 0.39 0.60 0.40
Embrun 0.44 0.01 0.38 1.67 4.12
Grenoble 4.14 3.80 0.00 0.52 0.15 Lille 2.74 0.64 0.56 11.47 0.02 Limoges 2.03 0.34 0.98 3.91 0.01
Lyon 0.12 3.19 7.25 4.64 0.83
Marseille 3.95 4.22 1.82 0.09 0.64 Montpellier 0.02 4.66 15.42 0.89 11.89
Nancy 0.33 1.82 2.12 0.84 1.90
Nantes 0.10 0.49 1.38 4.84 3.87 Nice 1.38 12.15 1.12 2.17 47.63
Nîmes 0.44 3.14 8.09 0.03 1.16
Orléans 1.82 0.06 1.19 0.02 0.39 Paris 1.92 0.56 1.01 0.54 0.49 Perpignan 1.10 3.91 12.40 2.28 0.04 Poitiers 0.34 0.02 2.15 0.31 1.19
Reims 3.26 0.31 0.22 0.14 0.05
Rennes 1.55 0.29 0.80 1.03 0.05
Rouen 0.30 0.00 0.08 6.19 1.53
St-Quentin 0.83 0.96 0.37 5.15 0.09 Strasbourg 0.42 9.36 0.01 0.15 5.28 Toulon 1.09 12.53 0.10 5.56 0.93 Toulouse 0.77 0.24 0.18 19.48 1.65 Tours 0.49 0.04 1.29 0.03 1.19 Vichy 0.04 6.67 3.40 4.63 0.55
Tab. 11 – Contributions des individus
EN COMPOSANTES EN COMPOSANTES PRINCIPALES (ACP) PRINCIPALES (ACP) ESIEA 5ème Année 2009/20102009/2010
1 Les données 1 . Les données
NOMSPUISSCYLICoupleMaxiLONGLARGHAUTCOFFRERESEPOIDSVITECONS ALF 147 1,9 JTD Distinctive1151910284,171,731,442806012701915,8 ALF16625V624VPi1882492225472181142490721490225119ALF1662,5V624VProgression188249222,54,721,811,4249072149022511,9 ASTMAR DB7 Volante4205935554,661,831,2615089187526514 AUD A4 3,0 Quattro Pack220297630,64,551,771,4344566151524310,5 AUD A8 S8 Pack Avus360417243,95,031,881,4452590175025014 AUD TT Roadster 1,8 T225 Quattro225178128,54,041,761,342705513952439,2 AUDIA4 Cabriolet 2,4170239323,44,571,781,393157016002249,7 BEN Continental T426675088,25,221,951,45350100245024518,7 BMW 316i115179617,84,471,741,414406313102067,1,,,,, BMW X5 3,0d Pack Luxe183292641,84,671,871,714659320852009,7 BMW Z84004941514,41,831,3220373158525014,5 CAD Seville STS305456540,84,991,91,4344570185724114,1 CHR Grand Voyager 2,5 CRD Limited140250031,85,0921,755807520001857,7 CHR PT Cruiser 2,0 Classic1401995194,291,71,65205714121707,8 CIT Berlingo 1,6i 16V SX110158715,34,111,721,86645512521727,4 CIT C3 1,4 HDI 70 ch SXPack Clim70139815,33,851,671,523054510221654,2 CITPi16iSX9015871442817516451555124016878CITPicasso 1,6iSX901587144,281,751,645155512401687,8 CIT Saxo 1,1i Bic 26011249,13,721,591,37280458051626,7 CIT Xsara 2,0 Hdi 110 ch Exclusive1101997264,191,71,44085412101915,2 DAE Leganza 2,0 CDX133199818,84,671,781,445606514332069,2 DAI Sirion 1,3x102129812,23,671,591,45235408501805,7 FIA Multipla JTD 115 ELX115191020,73,991,871,674306313701766,4 FIA Seicento S5511088,93,321,511,44170357501505,8 FIA Stilo 1,9 JTD 80 ch Active801910204,251,761,523355813051705,5,,,,, FOR Fiesta 1,4 TDCi Ghia68139816,33,921,681,422844510651644,3 FOR Focus ST 1701721989204,171,71,433505512832169,1 FOR Ka 1,3 Original60129910,73,621,631,37185428901556,3 FOR Mondeo 2,0 DTCi 130 ch Ghia130199833,74,731,811,435005615012005,9 FOR Puma 1,6103159614,83,981,671,342404210351907,3 HON Accord 2,3iES1522254214,591,751,434276514232128,7+ encore 61 modèles de voitures 2
+ encore 61 modèles de voitures Résumé des données Résumé des données SP AD SP AD
SOMMAIRESDESVARIABLESCONTINUESSOMMAIRESDESVARIABLESCONTINUES 91 POIDS TOTAL : 91.00 --------------+---------+----------+ LIBELLE EFFECTIF POIDS | MOYENNE ECART-TYPE | MINIMUM MAXIMUM | --------------+---------+----------+ PUISS919100|147819078|450047600| -PUISS 91 91.00|147.8190.78| 45.00476.00| -CYLI 91 91.00 | 2253.71 1103.69 | 599.00 6750.00 | -CoupleMaxi 91 91.00 | 28.49 31.81 | 7.10 299.00 | -LONG 91 91.00 | 4.33 0.47 | 2.50 5.39 | -LARG 91 91.00 | 1.75 0.09 | 1.51 2.00 | HAUT919100|148013|114186| -HAUT 91 91.00|1.48 0.13| 1.141.86| -COFFRE 91 91.00 | 379.26 144.16 | 110.00 900.00 | -RESE 91 91.00 | 60.81 15.33 | 22.00 100.00 | POIDS 91 91.00 | 1382.49 380.01 | 680.00 2450.00 | VITE 91 91.00 | 195.69 30.66 | 135.00 305.00 | 2CONS919100|795294|4201870|2 -CONS 91 91.00|7.95 2.94| 4.2018.70| --------------|---------|----------- PRIX 91 91.00 | 36117.64 48234.54 | 7290.00 342798.00 | --------------+---------+----------+3Tb l d é l ti 3 . T a bl eau d es corr él a ti ons
Correlations 1,925**,491**,575**,650**-,108,086,702**,714**,852**,869**,795** ,,000,000,000,000,309,416,000,000,000,000,000 919191919191919191919191 925**1467**675**732**024180796**824**724**867**873**Pearson Correlation Sig. (2-tailed) N PearsonCorrelation
PUISS CYLI
PUISSCYLICoupleMaxiLONGLARGHAUTCOFFRERESEPOIDSVITECONSPRIX ,9251,467,675,732,024,180,796,824,724,867,873 ,000,,000,000,000,824,088,000,000,000,000,000 919191919191919191919191 ,491**,467**1,411**,404**-,018,104,406**,434**,448**,393**,375** ,000,000,,000,000,867,328,000,000,000,000,000 919191919191919191919191 ,575**,675**,411**1,857**,195,635**,863**,846**,621**,526**,507** ,000,000,000,,000,065,000,000,000,000,000,000
PearsonCorrelation Sig. (2-tailed) N Pearson Correlation Sig. (2-tailed) N Pearson Correlation Sig. (2-tailed)
CYLI CoupleMaxi LONG 919191919191919191919191 ,650**,732**,404**,857**1,333**,520**,898**,895**,592**,633**,575** ,000,000,000,000,,001,000,000,000,000,000,000 919191919191919191919191 -,108,024-,018,195,333**1,552**,342**,427**-,294**,058-,055 ,309,824,867,065,001,,000,001,000,005,582,608 919191919191919191919191 086180104635**520**552**1544**549**137104026 N Pearson Correlation Sig. (2-tailed) N Pearson Correlation Sig. (2-tailed) N PearsonCorrelation
LARG HAUT COFFRE,086,180,104,635**,520**,552**1,544**,549**,137,104,026 ,416,088,328,000,000,000,,000,000,197,326,808 919191919191919191919191 ,702**,796**,406**,863**,898**,342**,544**1,934**,606**,697**,638** ,000,000,000,000,000,001,000,,000,000,000,000 919191919191919191919191 ,714**,824**,434**,846**,895**,427**,549**,934**1,583**,706**,655** ,000,000,000,000,000,000,000,000,,000,000,000 PearsonCorrelation Sig. (2-tailed) N Pearson Correlation Sig. (2-tailed) N Pearson Correlation Sig.(2-tailed)
COFFRE RESE POIDS ,000,000,000,000,000,000,000,000,,000,000,000 919191919191919191919191 ,852**,724**,448**,621**,592**-,294**,137,606**,583**1,639**,554** ,000,000,000,000,000,005,197,000,000,,000,000 919191919191919191919191 ,869**,867**,393**,526**,633**,058,104,697**,706**,639**1,798** ,000,000,000,000,000,582,326,000,000,000,,000 919191919191919191919191 g() N Pearson Correlation Sig. (2-tailed) N Pearson Correlation Sig. (2-tailed) N
VITE CONS
4
,795**,873**,375**,507**,575**-,055,026,638**,655**,554**,798**1 ,000,000,000,000,000,608,808,000,000,000,000, 919191919191919191919191
Pearson Correlation Sig. (2-tailed) N
PRIX Correlation is significant at the 0.01 level (2-tailed).**.