M2 Ecologie Evolution Biometrie UE Description Statistique des Structures Biologiques

M2 Ecologie Evolution Biometrie UE Description Statistique des Structures Biologiques

Français
31 pages
Lire
Le téléchargement nécessite un accès à la bibliothèque YouScribe
Tout savoir sur nos offres

Description

Niveau: Supérieur, Master, Bac+5

  • cours - matière potentielle : cssb7


M2 Ecologie,Evolution,Biometrie UE Description Statistique des Structures Biologiques De l'analyse multi-variables a l'analyse multi-tableaux A.B. Dufour & D. Chessel Notes de cours cssb7 On pose la question des tableaux multiples a partir de jeux de don- nees exemplaires. Les analyses elementaires des cubes de donnees introduisent la notion de compromis. Table des matieres 1 Introduction 2 2 La classe ktab 5 2.1 Rangement des objets . . . . . . . . . . . . . . . . . . . . . . . . 5 2.2 Signification et objectifs . . . . . . . . . . . . . . . . . . . . . . . 6 2.3 Comment faire des ktab ? . . . . . . . . . . . . . . . . . . . . . . 10 3 Les variables floues 12 4 Les analyses inter et intra-classes 13 4.1 Tableaux de modeles et d'erreurs . . . . . . . . . . . . . . . . . . 13 4.2 Transformation de Bouroche . . . . . . . . . . . . . . . . . . . . . 16 4.3 Les AFC intra-classes . . . . . . . . . . . . . . . .

  • pen

  • alt das

  • question des tableaux multiples

  • qmm vme

  • vme

  • pose des questions experimentales pertinentes

  • pen smm


Sujets

Informations

Publié par
Nombre de lectures 14
Langue Français
Signaler un problème
´ ´ M2Ecologie,Evolution,Biome´trie UE Description Statistique des Structures Biologiques
Delanalysemulti-variables`alanalyse multi-tableaux A.B. Dufour & D. Chessel Notes de cours cssb7
Onposelaquestiondestableauxmultiplesa`partirdejeuxdedon-ne´esexemplaires.Lesanalyses´ele´mentairesdescubesdedonne´es introduisent la notion de compromis.
Tabledesmati`eres 1 Introduction 2 2 La classektab5 2.1 Rangement des objets . . . . . . . . . . . . . . . . . . . . . . . . 5 2.2 Signification et objectifs . . . . . . . . . . . . . . . . . . . . . . . 6 2.3 Comment faire desktab? . . . . . . . . . . . . . . . . . . . . . . 10 3 Les variables floues 12 4 Les analyses inter et intra-classes 13 4.1Tableauxdemod`elesetderreurs..................13 4.2 Transformation de Bouroche . . . . . . . . . . . . . . . . . . . . . 16 4.3 Les AFC intra-classes . . . . . . . . . . . . . . . . . . . . . . . . 17 5Approches´el´ementairesdescubesdedonne´es17 5.1 Analyses triadiques partielles . . . . . . . . . . . . . . . . . . . . 17 5.2 L’AFC de Foucart . . . . . . . . . . . . . . . . . . . . . . . . . . 25 Re´fe´rences30
1
A.B. Dufour & D. Chessel
1 Introduction Quand on introduit une partition dans l’ensemble des descripteurs ou dans celui desconditionsdacquisition,onpassedelanalysedesdonne´esdestableauxou descouplesdetableauxa`celledesK-tableaux. On trouvera dans la librairie ade4nombre d’exemples de ce type au premier rang desquels celui de L. Friday [11]de´critdans: http://pbil.univ-lyon1.fr/R/pps/pps078.pdf etceluideJ.Verneaux[22]d´ecritdans: http://pbil.univ-lyon1.fr/R/pps/pps047.pdf Le premier exemple represente la situationKesinmˆemdusetdliavi-aexuatlb ´ questiondelavaleurtypologiquedesgroupesdesp`eces.Lesecondrepr´esentela situationKesbllaetsvmeiaaraledrperseuqnoiteluamxeˆt-baitnodocuednu meˆmestructuredansdie´rentesconditions. library(ade4) data(friday87) wfri <- data.frame(scale(friday87$fau[, -(75:77)], scal = FALSE)) wfri <- ktab.data.frame(wfri, friday87$fau.blo[-8], tabnames = friday87$tab.names[-8]) kplot(sepan(wfri), clab.r = 2, clab.c = 1)
Cesdonne´essontexemplairesparcequellesrepre´sententunemultitudedesi-tuationse´cologiques,cesontdesexemples,etparcequellessontparfaitement disponibles,cesontdesmod`eles.Lespremie`resrepre´sententlaquestionK+ 1-tableaux :
LogicielRversion2.12.0(2010-10-15)SweaveInputPage2/31Compile´le2010-12-08 Maintenance : S. Penel, URL :/pdffr/Ron1.-vylu.inbpli:p//tth/Swefdp.tupnIeva
A.B. Dufour & D. Chessel
et la seconde la question 2K-tableaux.
Onsint´eresseradoncpourcommencer`alaquestiondesK-tableaux. Ces situa-tionsindiquentquonmanipulesimultane´mentplusieursanalyses,parexemple 9ACPcentr´ees(ci-dessus)ou9ACPnorm´ees(ci-dessous). data(jv73) w <- split(jv73$morpho, jv73$fac.riv) w <- lapply(w, dudi.pca, scan = F) par(mfrow = c(3, 3)) for (k in c(1:2, 5:7, 9:12)) s.corcircle(w[[k]]$co, clab = 1.5, sub = names(w)[k], csub = 2)
LogicielRversion2.12.0(2010-10-15)SweaveInputPage3/31Compil´ele2010-12-08 Maintenance : S. Penel, URL :httyl-vinu.libp//:pdf/p/Rfr1.on/p.fdpntuvaIeweS
A.B. Dufour & D. Chessel
Onvoitimm´ediatementquelacongurationmeˆmesvariablesetmˆemesindivi-dussepre´sentenaturellement.Danscechamp,lescubesdedonn´eesjouentun rˆolecentralenexprimantladicult´eimm´ediatedelamultiplicit´edespointsde vue. Lesdonne´esdeJ.BlondeletH.Farre´[2]sontuntroisie`mecasd´ecole,parce quellesonte´t´epublie´esentoutetransparence.Ilsagitdemesurerlavaria-bilite´ducorte`geavifaunistiqueentre4r´egions(Pologne,Bourgogne,Provence etCorse),lelongdugradientdefermeturedelav´eg´etationvuparsixstrates d´echantillonnage(1-v´eg´etationbuissonnantebasse(hauteur<teˆrof-6a`)m1s de plus de 20 m de hauteur). Les valeurs sont des effectifs de couples nicheurs pour 100 ha. Ad´efautdem´ethodesapproprie´es,onpeuttoujourspre´senterlesdonne´esdans uneanalyse`auntableau.Laquestionquivientimme´diatementestlequel.Il ya,eneet,6manie`resdefaireduncubeuntableaupourserameneraucas pre´ce´dentetonapeudechancesdetombersurlabonneauhasard:
Onabordedoncdesquestionsquinesontpassimples.Lag´ene´tiquedespopu-lationsproposemeˆmeunestructuredoublementK-tableaux :
Le´cologiedescommunaut´esapos´edesquestionsexpe´rimentalespertinentes avantdavoirdessolutionstechniquesadapte´es:cestunm´eritequiluiacouˆt´e cher.
LogicielRversion2.12.0(2010-10-15)SweaveInputPage4/31Compil´ele2010-12-08 Maintenance : S. Penel, URL :libp//:ptthdf/pinu.yl-v.1noR/rf/weSeIavutnpp.fd
A.B. Dufour & D. Chessel 2 La classektab 2.1 Rangement des objets Quilsagissedemˆemesindividusdˆesvariablesoudesdeux,ilnya ou e mem quunemanie`rederangerlesobjetspourdesraisonspratiques(gure1A). Ceci impliquequelquespre´cautionspourlutilisateur.Auplanth´eorique,onvoitdonc quetroissituationssepre´sentent.Ktableauvaiolrsepxueevtnvidisduemmˆines (figure 1B) : (X1,Q1,D) (X2,Q2,D)∙ ∙ ∙(XK,QK,D) l ˆ es variables (figure 1C) : ou es mem (X1,Q,D1) (X2,Q,D2)∙ ∙ ∙(XK,Q,DK) oulesmeˆmesmarges: (X1,Q,D) (X2,Q,D)∙ ∙ ∙(XK,Q,D) ouˆetredestablesdecontingencesavecunemargeencommun(gure1D) ce qui poseunequestionspe´ciquequenousrencontreronsplusloin.Onconside`reles Koisnctaeuqipiuqe´nnnusessdeniigtaeuirvobaeluacxt-ormededoommeunef diverses :
Figure1 –Kocegakcotsnu:xuauaitssdeurpounmmable-Ttionsvari´ees. Un objet de la classektabest une liste dedata framesayant en commun les lignes (row.namesChs.idpoctreueaqperelgnaetnese´rltnsuee)data framede la liste. Chacun de cesdata framesunsch´emableaudselttexueda`e´tilaudeda ponde´rationsquise´crit(Xk,Qk,D), leDcommtant´esen.Lunnoesdemsigsl desXktnosmselˆemes.LesQkna´gseadsnnuevtcsontretmuomrceuiselUnn. de la classektabcomprend donc : ?blole vecteur du nombre de colonnes des tableaux ?lwuaxeltsbaelvectleilsedsdiopsedrueusto`aunmmcoesgn LogicielRversion2.12.0(2010-10-15)SweaveInputPage5/31Compil´ele2010-12-08 Maintenance : S. Penel, URL :lyon1.fr/R/pdfhbp//:ptt-vinu.li/SewvaIepntup.fd