Analyse Discriminante
1/28
100%
Rendu du PDF...
Analyse Discriminante
Statistics and Data Analysis · notes
Fiche de révisionRésumé
Rédigée à partir de ce document, puis vérifiée avant publication.
L'analyse discriminante est une méthode statistique utilisée pour classer des observations en différentes catégories sur la base de variables quantitatives. Cet article présente les objectifs de l'analyse discriminante, les variables discriminantes, ainsi qu'un exemple pratique concernant la qualité du jus de Bordeaux. Vous apprendrez également comment cette méthode peut être appliquée pour prévoir la qualité d'un produit en fonction de ses caractéristiques.
L'analyse discriminante vise à étudier un tableau d'individus et de variables. Les individus sont décrits par p variables X1,…, Xp, et sont répartis en k classes selon les modalités d'une variable qualitative Y. Les principaux objectifs incluent :
Pour illustrer l'analyse discriminante, prenons l'exemple de la qualité du jus de Bordeaux, étudiée sur 34 années (1924 - 1957). Les variables observées sont :
Ces variables permettent d'analyser comment les conditions climatiques influencent la qualité du jus. L'analyse univariée peut être effectuée pour chaque variable par rapport à la qualité.
Pour chaque variable, nous pouvons effectuer une analyse de variance (ANOVA) pour déterminer leur association avec la qualité du jus. Par exemple, pour la température, les résultats montrent :
Température * Qualité ANOVA Table Source | Sum of Squares | df | Mean Square | F | Sig. Between Groups | 420067.422 | 3 | 140022.474 | 27.389 | 0.000 Within Groups | 237722.131 | 30 | 7924.071 | Total | 657789.553 | 33 |
Des mesures d'association comme l'Eta et l'Eta Squared peuvent également être calculées pour évaluer la force de l'association.
Pour déterminer les variables discriminantes, nous cherchons à établir des coefficients qui maximisent la séparation entre les classes. Par exemple, la première variable discriminante Z1 peut être calculée comme suit :
Z1 = 0.009 * Température + 0.007 * Soleil - 0.027 * Chaleur - 0.006 * Pluie - 32.876
Chaque variable est centrée et normalisée par l'écart-type commun aux classes. Les coefficients non standardisés peuvent être utilisés pour construire les fonctions discriminantes.
Chaque variable X est centrée et normalisée. Par exemple, pour la température :
Température = (X - 3157.88) / 68.456
Pour prévoir la qualité du jus pour une nouvelle année, par exemple pour Bordeaux en 1958, nous utilisons les valeurs suivantes :
Nous appliquons les coefficients de la fonction discriminante pour estimer la qualité :
Z1 = 0.750 * Température + 0.547 * Soleil - 0.198 * Chaleur - 0.445 * Pluie
En utilisant les valeurs ci-dessus, nous pouvons calculer Z1 et déterminer à quelle classe de qualité le jus appartient.
Voici les principaux points à retenir concernant l'analyse discriminante :
L'analyse discriminante est une méthode statistique utilisée pour classer des observations en différentes catégories sur la base de variables quantitatives. Elle cherche à maximiser la séparation entre les classes définies par une variable qualitative.
Les variables discriminantes sont calculées en établissant des coefficients qui maximisent la séparation entre les classes. Cela implique souvent l'utilisation de l'analyse de variance (ANOVA) pour évaluer l'impact des variables sur la classification.
L'analyse univariée permet d'examiner l'effet de chaque variable indépendante sur la variable dépendante (qualité). Elle aide à identifier les variables les plus significatives pour la classification.
Pour prédire la qualité d'un produit, on utilise les coefficients des variables discriminantes pour calculer un score à partir des valeurs observées des variables. Ce score est ensuite utilisé pour classer le produit dans une catégorie de qualité.
L'analyse discriminante permet une classification efficace et peut traiter plusieurs variables simultanément. Elle est particulièrement utile dans des contextes où les classes sont bien définies et où les variables sont corrélées.