Analyse discriminante
Analyse discriminante
Statistique, Analyse de données · course
Voir tous les documents en mathématiques
Fiche de révisionFiche de cours
Rédigée à partir de ce document, puis vérifiée avant publication.
Ce matériel couvre l’analyse discriminante, une méthode statistique utilisée pour étudier des données où des individus sont décrits par plusieurs variables quantitatives et répartis en classes définies par une variable qualitative. Il s’adresse principalement aux étudiants et chercheurs en statistique ou en sciences appliquées souhaitant comprendre comment distinguer et classer des groupes à partir de variables observées.
L’analyse discriminante vise à étudier un tableau individus × variables où chaque individu est décrit par p variables X1, ..., Xp. Ces individus sont répartis en k classes selon les modalités d’une variable qualitative Y.
Les objectifs sont :
Un exemple pratique utilise des données météorologiques observées sur 34 années (1924-1957) pour prédire la qualité du jus de Bordeaux. Les variables observées sont :
Chaque variable est analysée séparément pour étudier son association avec la qualité :
La relation entre Température et Qualité est étudiée par ANOVA. Le rapport de corrélation η est élevé (0.799) indiquant une forte association. La variance entre groupes est significative (p < 0.001), ce qui montre que la température varie selon la qualité.
La variable Soleil présente aussi une association significative avec la qualité (η = 0.786, p < 0.001), confirmée par l’analyse de variance.
Chaleur est également corrélée à la qualité (η = 0.705, p < 0.001), avec une différence notable entre les groupes.
La variable Pluie montre une association plus faible mais significative avec la qualité (η = 0.594, p < 0.001).
L’objectif est de construire des variables discriminantes Z1, Z2, ... qui sont des combinaisons linéaires des variables initiales et qui maximisent la séparation entre les classes.
On cherche des coefficients a1j tels que :
p Z1 = a11 X1 + a12 X2 + ... + a1p Xp
Cette variable Z1 est centrée et normalisée pour que sa variance intra-classes soit égale à 1. Elle doit maximiser la statistique F issue de l’analyse de variance de Z1 selon la variable qualitative Y.
La première variable discriminante s’écrit :
Z1 = 0.009 * Température + 0.007 * Soleil - 0.027 * Chaleur - 0.006 * Pluie - 32.876
Chaque variable Xj est centrée et normalisée par l’écart-type intra-classes :
X1 = (Température - 3157.88) / 7668.456 X2 = (Soleil - 1247.32) / 6522.335 X3 = (Chaleur - 18.82) / 53.689 X4 = (Pluie - 360.44) / 5758.039
La première variable discriminante standardisée est :
Z1 = 0.750 * X1 + 0.547 * X2 - 0.198 * X3 - 0.445 * X4
La variable Z1 sépare significativement les groupes de qualité (p < 0.001), confirmant son pouvoir discriminant.
On cherche une deuxième variable Z2, centrée et non corrélée à Z1, qui maximise également la séparation entre les classes :
p Z2 = a21 X1 + a22 X2 + ... + a2p Xp
La normalisation impose une variance intra-classes égale à 1 pour Z2.
La variable Z2 montre une association plus faible avec la qualité (η = 0.349), mais elle apporte une information complémentaire.
Les variables Z1 et Z2 définissent un plan discriminant où chaque individu est projeté. Les centres de gravité des groupes (moyennes des Z1 et Z2 pour chaque classe) sont représentés dans ce plan.
Les frontières entre groupes sont les médiatrices des segments joignant ces centres de gravité, formant une carte territoriale des qualités.
Une nouvelle observation est affectée à la classe dont le centre de gravité est le plus proche dans le plan (Z1, Z2), c’est-à-dire celle pour laquelle la distance euclidienne au centre est minimale.
Pour une nouvelle observation avec :
On calcule les scores discriminants Z1 et Z2 en utilisant les coefficients standardisés et la normalisation, puis on détermine la classe la plus proche.