TP 1 : Distances & Introduction à la CAH
Exercice 1. (Données quantitatives)
Deux goûteurs donnent des appréciations à 10 produits différents. Les notes données sont
comprises entre 1 et 20. Les résultats obtenues sont présentées dans le tableau suivant. Le jeu
de données peut être importé depuis le fichier Product_appreciation.txt.
Note G1 G2
Produit 1 8 8.5
Produit 2 12 11
Produit 3 15.5 18
Produit 4 14 16
Produit 5 10 9
Produit 6 10 12
Produit 7 5 6.5
Produit 8 9 9
Produit 9 18.5 20
Produit 10 13 16
Parmi les fonctions de base de R, celle qui est la plus adaptée pour calculer une matrice dis-
tance/dissimilarité est la fonction dist.
1. Identifier les différentes distances pouvant être calculées à l’aide de la fonction dist.
2. En utilisant la distance euclidienne, calculer la matrice distance pour les données ci-
dessus
3. Quels produits sont les plus proches au sens de cette distance ?
Exercice 2. (Données qualitatives)
Chloé, Florian, Marie, Margaux, Antonin et Céline sont malades. Le tableau ci-dessous nous
donne plusieurs observations relatives à leur maladie. Les notations "P" et "N" désignent re-
spectivement : "Positif" et "Négatif". Le jeu de données peut être importé depuis le fichier
Fictive_medical_data.txt.
Nom Sexe Fièvre Toux Test 1 Test 2 Test 3 Test 4
Chloé F P P N N N N
Florian H P P P P N P
Marie F N N P N P P
Margaux F P N P N P N
Antonin H N N P P P N
Céline F P P P N N N
1
1. En utilisant la fonction R [Link] de la librairie FactoMineR, transformer les données
ci-dessus en données binaires.
2. Programmer sur R les fonctions qui calculent les dissimilarités pour de Sokal & Michener
et de Jaccard.
3. Tester ces fonctions sur l’exemple suivant : xi = (1, 0, 0, 0, 1, 1) et xj = (1, 0, 0, 1, 0, 0).
4. Calculer les matrices de dissimilarités pour Sokal & Michener et Jaccard.
5. Préciser pour chaque distance quels sont les individus les plus proches.
Exercice facultatif. (Distance χ2 )
1. Programmer sur R une fonction qui calcule la distance du χ2 entre profils-lignes à partir
d’un tableau disjonctif complet.
2. Tester cette fonction sur les données de l’exercice 1 pour calculer la dissimilarité entre les
individus Chloé et Margaux.
Exercice 3.
Dans cette exercice, nous reprenons l’exemple présenté en cours pour illustrer la CAH. Soient
Mi , i = 1, . . . , 5 les points du plan R2 définis par : M1 = (0, 3), M2 = (4, 3), M3 = (0, 2),
M4 = (0, 0) et M5 = (3, 2).
1. Tracer le nuage de points associé.
2. Proposer visuellement une partition des donnés qui vous semble adéquate.
3. En utilisant la distance euclidienne au carré, calculer à l’aide de R la matrice distance
associée aux données.
4. Faire manuellement la CAH des données en utilisant la distance du saut minimal. En
déduire le dendrogramme associé.
La fonction hclust (fonction de base sur R) permet de faire la CAH.
5. Vérifier sur R le dendrogramme obtenu précédemment.
6. Tracer le graphique de la hauteur du dendrogramme en fonction du nombre de groupes.
Combien de groupes choisiriez-vous ? Quelle est la partition associée ?
On propose maintenant de faire la même démarche en utilisant la distance du saut maximale
et celle de Ward.
7. En suivant la démarche de la question 4, réaliser la CAH avec la distance du saut maximal
et tracer le dendrogramme associé.
8. En utilisant R, tracer le dendrogramme associé. Combien de groupes choisiriez-vous ?
Quelle est la partition associée ?
9. Reprendre la question précédente en utilisant le carré de la distance de Ward.
10. Conclure.