Beruflich Dokumente
Kultur Dokumente
Mohamed El Merouani
phénomène à étudier et de conserver ainsi le moins d’axes possibles. Il faut pour cela que les
variables de départ soient raisonnablement corrélées entre elles.
ni
Les critères les plus utilisables sont les suivantes :
1°) Interprétation des axes : On retient que les axes que l’on peut attribuer une forme
d’interprétation économique, par exemple, soit directement, soit en terme des variables avec
FP
lesquelles ils sont très corrélés.
2°) Critère de Kaiser (variables centrées et réduites) : On ne retient que les axes associés à
valeurs propres supérieurs à 1, c'est-à-dire dont la variance est supérieure à celle des variables
d’origine.
Te
Une autre interprétation est que la moyenne des valeurs propres étant 1, on ne garde que celles
qui sont supérieures à cette moyenne.
tou
18 www.elmerouani.jimdo.com
Analyse des données S6, Option : Gestion Prof. Mohamed El Merouani
On cherche un « coude » dans le graphe des valeurs propres et on ne conserve que les valeurs
jusqu’au ce « coude ».
Compléments du cours :
Multiplicateurs de Lagrange :
Optimisation classique avec contraintes: Cas de deux variables.
Soit une fonction à deux variables f(x, y) soumise à une seule contrainte de la forme
®E
g(x, y) = b, avec b une constante réelle.
La méthode des multiplicateurs de Lagrange consiste à construire une fonction auxiliaire
L(x, y, λ), appelée Lagrangien, définie ainsi :
lM
∂L ∂f ∂g
∂x = ∂x + λ ∂x = 0
ua
∂L ∂f ∂g
= +λ =0
∂y ∂y ∂y
∂L = g ( x, y ) − b = 0
ni
∂λ
FP
Les points candidats s’obtiennent en résolvant ce système de trois équations à trois
inconnues (x, y, λ).
Mentionnons que la troisième équation de ce système ∂L/∂λ = g(x, y) -b=0 n’est rien
d’autre que la contrainte ! Les points candidats satisfont par conséquent cette contrainte.
Te
La solution des trois équations ci-dessus fournit les points candidats de la fonction sous
contrainte. Ces points candidats satisfont la contrainte mais il reste à déterminer leur
tou
nature ;
Condition suffisante:
2
On pose: ∂2L ∂2L ∂2L
∆ = 2 ⋅ 2 −
an
∂x ∂y ∂x∂y
∂2L ∂2L
1. Si ∆>0 , > 0 et > 0 , on a un minimum
∂x 2 ∂y 2
∂2L ∂2L
2. Si ∆>0 , < 0 et < 0 , on a un maximum
∂x 2 ∂y 2
3. Si ∆<0, pas d’extremum.
4. Si ∆=0, on ne peut pas conclure.
19 www.elmerouani.jimdo.com
Analyse des données S6, Option : Gestion Prof. Mohamed El Merouani
i. ∀ x, y ∈ E ; d ( x, y ) = 0 ⇒ x = y
∀ x, y ∈ E ; d ( x, y ) = d ( y , x )
®E
ii.
iii. ∀ x, y, z ∈ E ; d ( x, y ) ≤ d ( x, z ) + d ( z , y )
On peut vérifier facilement les propriétés i, ii, et iii précédentes pour la distance euclidienne.
Rappel sur la matrice des variances-covariances et la matrice des corrélations :
ua
1) La matrice des variances-covariances V de X=(x1,x2,…, xq) est définie par :
σ 12 Cov( x1 , x 2 ) L Cov( x1 , x q )
Cov( x 2 , x1 ) σ 22 L Cov( x 2 , x q )
ni
V = = E ( XX ′ ) − E ( X ) E ( X ) ′
M O M
Cov( x , x ) L L σ q2
q 1
FP
20 www.elmerouani.jimdo.com
Analyse des données S6, Option : Gestion Prof. Mohamed El Merouani
σ 12 σ 12 L σ 1q
σ σ 22 L σ 2q
®E
V = 21
M O M
σ L σ q2
q1 L
lM
1 p
où σ kl = ∑ (xik xil − xk xl ) est telle que V = 1 Y ′Y
p i =1 p
ero
La matrice des corrélations entre les q variables prises deux à deux est :
1 ρ12 L ρ1q
ρ 21 1 L ρ 2q
Γ=
ua
M O M
ρ L 1
q1 L
ni
Γ est identique à V des données centrées et réduites.
Γ résume la structure des dépendances linéaires entre les q variables.
FP
Le tableau des données centrées et réduites Z est :
avec σ j =
1 p
∑ (xij − x j )2
p i =1
1
Alors Γ= Z ′Z
p
1 1
Si σ j = 1 , alors V= Y ′Y = Z ′Z = Γ
p p
21 www.elmerouani.jimdo.com
Analyse des données S6, Option : Gestion Prof. Mohamed El Merouani
Exercices de TD :
Exercice 1 :
On considère la matrice X de type (2,3) suivante :
− 1 0 1
X = .
0 − 1 1
1. Calculer le produit matriciel. X ′ × X .
®E
s’assurer que c’est une matrice carrée et symétrique
2. Chercher les valeurs propres λi et les sous-espaces propres associés Fi . Donner le
vecteur unitaire u i de chaque sous-espace. Ecrire la matrice diagonale Λ semblable à
lM
X’X et sa matrice de passage A
3. Calculer et vérifier que tr ( X ′X ) = tr (Λ). .
ero
Exercice 2 :
Soit la matrice des données suivante :
4 5
ua
X = 6 7
8 0
ni
Exercice 3 :
Te
Réaliser l’ACP de la matrice suivante, à partir de sa matrice de dispersion (données centrées
mais non réduites) :
2 2
tou
6 2
6 4
10 4
an
22 www.elmerouani.jimdo.com