Analyse multidimensionnelle AFC
Introduction
L’analyse multidimensionnelle des données regroupe un ensemble de méthodes statistiques récentes et est utilisée couramment. Elles analysent des données appelées multidimensionnelles, caractérisées par le fait qu’à chaque unité statistique sont associées plusieurs valeurs observées. Parmi les méthodes d’analyse des données multidimensionnelles on trouve L’analyse factorielle des correspondances AFC qui vise à rassembler en un nombre réduit de dimensions la plus grande partie de l’information initiale en s’attachant non pas aux valeurs absolues mais aux correspondances entre les variables, c’est-à-dire aux valeurs relatives. Cette réduction est d’autant plus utile que le nombre de dimensions initial est élevé.
Dans cette optique, et pour assurer une bonne maîtrise des méthodes d’analyse multidimensionnelle des données. On a opté à travers une base de données concernant la distribution des moyennes des étudiants selon les matières, pour appliquer cette analyse.
I- Objectifs
L’objectif de ce travail basé sur l’analyse factorielle des correspondances (AFC) est de répartir les mentions (Excellent, très bien, bien, assez bien, moyen et faible) reçues par les étudiants sur les matières étudiées notamment Science de vie, sciences physiques, sciences sociales, comportement, science d’ingénieur et Mathématique.
II- Bases de données
Tableau 1 : tableau de contingence représentant la base de données
Matière
Excellent
Très bien
Bien
Assez bien
Moyen
Faible Sciences de vie
3489
4303
4402
4350
4266
4361
Sciences Physiques
4101
3800
3749
3572
3410
3234 Sciences sociales
3354
3286
3344
4278
4137
3008 Comportement
2444
2987
2749
2578
2460
3049 Science d'ingénieur
3338
3144
2959
2791
2641
2432 Mathématiques
1222
2196
1149
1003
959
959
Ci-dessus on a le tableau de données brutes qui