UNIVERSITE CHEIKH ANTA DIOP DE DAKAR

FACULTÉ DES SCIENCES ÉCONOMIQUES ET DE GESTION

FACULTÉ DES SCIENCES ET TECHNIQUES
efefefefefef

MASTER

COURS D’ANALYSE DES DONNÉES

CHAPITRE 1 : INTRODUCTION A L’ANALYSE DES DONNÉES

PROFESSEUR : Dr. Codé LO

LA STATISTIQUE

C’est quoi?

Ses métiers, secteurs d’activité?

Econométrie & Statistique?

ORIGINE DE LA STATISTIQUE

q La statistique vient du latin status, ce qui signifie « état politique » ou

gouvernement.

q Le terme statisticus (« relatif à l’état ») apparaît à la fin du 17e siècle.

q A l’origine, le terme était utilisé pour désigner les rois qui avaient
besoin d'informations sur les terres, l'agriculture, la population et leur
armée.

q Au cours du temps, la statistique a connu des évolutions importantes

tant sur le plan conceptuel qu’analytique.
 STATISTIQUES VS STATISTIQUE

Statistiques (au pluriel) et statistique (au singulier)

ne signifient pas la même chose !

q Statistiques : étude méthodique des faits sociaux qui définissent un État

à partir de procédés numériques (dénombrements, inventaires,
recensements, etc.)
q Statistique :
Ø Branche des mathématiques qui traite de la collecte, du
traitement, de l'analyse et de la présentation des données.
Ø Ensemble de méthodes permettant de décrire et d’analyser des
observations (ou données).
Ø Dans ce cours, c’est cette seconde définition qui nous intéresse.
LA STATISTIQUE : TROIS GRANDES ETAPES

Collecte Traitement Interprétation

• Recherche de documents Préparation des Analyse et interprétation

et de données existants données avant analyse des données
• Collecte de données
quantitatives et/ou
qualitatives auprès de
groupes ou d’individus
 ECONOMETRIE

q Econométrie : statistique appliquée à la mesure et à l ’étude chiffrée des

grandeurs économiques.

Les économètres Robert F. Engle et Clive William John Granger, prix Nobel d’économie en 2003
METIERS DE LA STATISTIQUE (1/2)

q Chargé d’études statistiques : il recueille des données, les traite et les

synthétise avant de présenter les résultats.
Ø Domaines : Banque & Assurance, Finance, Marketing quantitatif, Organismes
étatiques, Cabinets d’études et de conseil, etc.
q Statisticien économiste / Economètre : il réalise un traitement
mathématique et statistique de données économiques.
Ø Domaines : Organismes étatiques, ONG et organismes internationaux, Cabinets
d’études et de conseil, Banque & Assurance, Finance, Marketing quantitatif, etc.
q Actuaire : c’est un spécialiste de l'application des probabilités, des
statistiques et de la gestion des risques.
Ø Domaines : Assurance, Banque, Protection sociale
q Statisticien du marketing (marketing d’étude) : il utilise la statistique dans
le domaine du marketing.
Ø Domaines : Banque & Assurance, grande distribution, transports, Télécom,
automobile, cabinet spécialisés, etc.
METIERS DE LA STATISTIQUE (2/2)

q Data analyst : il explore, analyse et exploite des données pour éclairer la

prise de décision en entreprise.
Ø Domaines : Industrie, Commerce, Marketing, Finance, Banque & Assurance,
Santé, Logistique & Transport, etc.

q Prévisionnistes : il réalise des prévisions pour un phénomène donné.

Ø Domaines : Météorologie, Climat, Environnement, Marketing, etc.

q Etc.
PRINCIPALES MÉTHODES STATISTIQUES

3 Méthodes
principales

Méthodes Méthodes Méthodes de

descriptives explicatives prévision
Lien entre une variable à expliquer
Analyse descriptive univariée Analyse et la
et un ensemble de variables
ou unidimensionnelle prévision d’une série
explicatives (régression simple,
chronologique
analyse de la variance…)

Analyse descriptive bivariée ou bidimensionnelle

Analyse descriptive mutlivariée ou

multidimensionnelle (Analyse de données)
PLAN DU COURS

1. Introduction à l’analyse de données

2. L’Analyse en Composantes Principales (ACP)

3. L’Analyse Factorielle des Correspondances (AFC)

4. L’Analyse des Correspondances Multiples (ACM)

5. Classification Ascendante Hiérarchique (CAH)

 OBJECTIFS DU COURS

Ce cours présente les méthodes classiques d’analyse multidimensionnelle

des données (ACP, AFC, ACM, CAH). Les différentes méthodes sont
illustrées par des exemples à travers le logiciel SPAD. D’autres logiciels
seront utilisés en complément (STATA et R).
ÉVALUATION

q Examen final (écrit) : 100%

 QUELQUES RÉFÉRENCES

q Tenenhaus M., 1996, Méthodes statistiques en gestion, DUNOD.

q VOLLE M., 1997, Analyse des données, Economica, Paris, 323 p.
q ESCOFIER B., PAGES J., 2008. Analyse factorielles simples et multiples : Objectifs, méthodes et
interprétation, Paris, Dunod, 318 p.
q LEBART L. et al, 1995. Statistique exploratoire multidimensionnelle, Paris, Dunod, 439 p.
q Guide du logiciel SPAD version 5 Système pour l’Analyse des Données.
q Fenneteau H., Bialès C.,1993. Analyse statistique des données. Ellipses.
q Saporta G. Probabilité, 1990. analyse des données et statistique Editions Technip .
q ABDESSELAM R., 2015. Analyse des données : Méthodes factorielles.
q BESSE P., [Link] Statistique Multidimensionnelle Data Mining
 CHAPITRE 1 :
INTRODUCTION À
L’ANALYSE DES DONNÉES
LES DONNÉES (1/7)

q Population : l’ensemble des individus auxquels on s’intéresse.

q Individu : peut être une personne (par exemple un consommateur d’un

produit donné) ou un objet (par exemple un appartement à louer à Dakar).
Il est synonyme du terme "unité statistique".

Population (14
personnes)

Unité statistique (une

personne particulière)

q Exemples : (1) personnes d'un pays (unité statistique = personne), (2)

ensemble des prix de produits de consommation (unité statistique = prix).
LES DONNÉES (2/7)

q Echantillon : une partie de la population. Il peut être tiré au hasard dans la

population, ou bien représente un ensemble de données disponibles.

Echantillon
Population

q Exemple : Fraction de la population du Sénégal en 2021 (1000 personnes /

17 millions)
 LES DONNÉES (3/7)
q L’échantillonnage aléatoire (probabiliste) :

• Tout individu de la population étudiée a une probabilité connue, non nulle de faire partie
de l’échantillon.

• Cette méthode permet d’avoir des échantillons dits représentatifs de la population. C’est
la théorie des sondages dans le sens académique du terme.

q L’échantillonnage non aléatoire (non probabiliste) :

• Il s’agit de construire l’échantillon par un choix raisonné.

• On ne respecte pas la théorie des sondages (absence de théorie statistique) car chaque
individu de la population n’a pas une probabilité connue d’être tiré au sort.

• Plus commode à mettre en œuvre et moins coûteux.

• Exemple : la méthode des quotas

LES DONNÉES (4/7)

q Inférer à une population entière le résultat de l’enquête d’une sous partie de la

population n’est pas sans risque.

q George Gallup lors de l’élection présidentielle américaine opposant F.D. Roosevelt à

A. Landon en 1936 : Gallup ne se trompe pas avec un échantillon de 4 000
personnes alors que le journal Literary Digest se trompe avec 2 millions interrogés
par téléphone.

q Les sondages sur le score du Front National en France : il faut corriger à la hausse
son score (dans le passé).

q Les sondages américains ont sous estimé le score de Trump en 2016.

q Les sondeurs n’avaient pas anticipé la victoire du Brexit.

LES DONNÉES (5/7)

q Variables : l’ensemble des valeurs observées sur les différents individus pour
une caractéristique donnée (par exemple le loyer, le nombre de pièces, le
PIB).
q Type de variable : quantitative ou qualitative.

Variable

Quantitative Qualitative

Discrète Continue Ordinale Nominale

 LES DONNÉES (6/7)

q Quantitative ou numérique : ses valeurs sont des nombres représentant des

quantités. Par exemple le loyer, la surface, le nombre de pièces.

• Elle est discrète lorsqu’elle renvoie à un nombre fini ou dénombrable de valeurs. Par
exemple le nombre d'enfants dans une famille, le nombre d’étudiant partageant une
chambre.

• Elle est continue lorsque toutes ses valeurs réelles sont susceptibles d’être prises. Par
exemple la taille, le salaire, le revenu.

q Qualitative ou catégorielle : ses valeurs sont des modalités.

• Elle est ordinale lorsque l’ensemble des modalités sont ordonnées; par exemple la
mention au bac , la classe d’âge, le niveau de vie.

• Sinon, elle est nominale (l’ordre n’est pas important); par exemple le sexe, la catégorie
socioprofessionnelle.
LES DONNÉES (7/7)

q Tableau individus x variables : tableau

rectangulaire où chaque ligne représente
l’ensemble des valeurs associées à un
individu, et à chaque colonne l’ensemble
des valeurs prises par une variable.
Pays Inflation Chômage
Allemagne 2,2 7,7
Australie 6,4 10,8
q Exemple (2014) : taux d’inflation et de Espagne 7,6 18,4
chômage dans 10 pays développés. Etats-Unis 3,8 7,4
France 4,4 10,2
Italie 7,4 10,7
Japon 1,8 2,2
Royaume-Uni 5,5 10,1
Suede 6,7 5,3
Suisse 3,2 2,5
 TRAITEMENT DES DONNÉES (1/2)

q Avantla phase d’analyse (interprétation), toutes les données

doivent faire l’objet d’un traitement particulier.

• Contrôle de la structure du fichier de données et vérification du fichier de

données (contenu, extension, caractères spéciaux, etc.) ;

• Vérification de toutes les entrées et codes ;

• Vérification de la cohérence interne (entre variables) et externe ;

• Analyse des redondances ;

 TRAITEMENT DES DONNÉES (2/2)

q Avant la phase d’analyse (interprétation), toutes les données doivent

faire l’objet d’un traitement particulier (suite).
• Apurement des données invalides, aberrantes et manquantes;

• Labélisation des variables;

• Vérification de chaque chiffre;

• etc.

q Plusieurs types d’analyses doivent être faites pour élargir les champs
d’interprétations possibles.
ANALYSE DESCRIPTIVE UNIVARIÉE (1/5)

q Statistique descriptive univariée : premier niveau d’analyse incontournable.

q Elle permet de prendre contact avec les données.

q Description variable par variable (tris à plat).

q Variables quantitatives :

• Moyenne, médiane, max, min, variance, intervalle inter-quartile , étendue, etc.

• Graphiques : histogrammes, box-plots, etc.

q Variables qualitatives :

• Effectif, fréquences , etc.

• Graphiques : diagrammes en bâtons, camemberts, etc.

ANALYSE DESCRIPTIVE UNIVARIÉE (2/5)

Pièges et limites de la moyenne

q La moyenne permet de résumer des informations pour une

même grandeur, mais elle ne correspond pas toujours à la
situation la plus fréquente.
q Son utilisation exige donc des précautions.
q Exemple 1 : Supposons que dans une classe, la moitié a la note
5 et l’autre moitié la note 13. La note moyenne vaut donc 9,
mais aucun étudiant n’a obtenu cette note.
 ANALYSE DESCRIPTIVE UNIVARIÉE (3/5)

Pièges et limites de la moyenne

q Exemple 2 : Soient deux entreprises A et B de quatre salariés
dont les salaires mensuels en CFA sont les suivants :

Entreprise A Entreprise B Le salaire moyen est

identique, mais les salariés
Salarié 1 200 000 300 000 n’ont pas du tout la même
Salarié 2 200 000 500 000
rémunération.
Salarié 3 200 000 400 000

Salarié 4 Il faut compléter le calcul de la

1 000 000 400 000
moyenne par un examen de la
Moyenne 400 000 400 000 dispersion autour de la moyenne.
 ANALYSE DESCRIPTIVE UNIVARIÉE (4/5)

Exemple : Commenter ce boxplot

20
15
10
5
0

Inflation Chomage
 ANALYSE DESCRIPTIVE UNIVARIÉE (5/5)

La boîte et les moustaches seront d'autant plus étendues que la dispersion

est grande.

20
Pays Inflation Chômage
Allemagne 2,2 7,7
Max
15

Australie 6,4 10,8

Espagne 7,6 18,4
Etats-Unis 3,8 7,4
10

France 4,4 10,2

Italie 7,4 10,7
3e quartile
Japon 1,8 2,2 Médiane
5

Royaume-Uni 5,5 10,1

Suede 6,7 5,3 1e quartile
Suisse 3,2 2,5
0

Inflation Chomage Min

 ANALYSE DESCRIPTIVE BIVARIÉE (1/10)

q Les premières conclusions apportées par la statistique univariée mènent à

envisager d’autres questions portant sur l’analyse croisée des informations
recueillies.

q Lien entre deux variables quantitatives : dire le type de lien pour les figures
suivantes :
ANALYSE DESCRIPTIVE BIVARIÉE (2/10)

q Lien entre deux variables quantitatives ?

Pas de lien Liaison linéaire Liaison quadratique

 ANALYSE DESCRIPTIVE BIVARIÉE (3/10)

q Lien entre deux variables quantitatives :

• Indice de liaison : coefficient de corrélation linéaire (coefficient de Pearson :

Mathématicien anglais, 1857 - 1936) défini à partir de la covariance qui généralise à
deux variables la notion de variance.

• Propriétés : symétrique et prend ses valeurs entre -1 et +1 mais reste sensible aux
individus extrêmes.

• Corrélation de Spearman : robustes faces à des situations de non linéarité ou des

valeurs atypiques mais restent très réducteurs
 ANALYSE DESCRIPTIVE BIVARIÉE (4/10)

Lien entre deux variables quantitatives :

• Corrélation positive : les deux variables évoluent simultanément dans le même sens.
Exemple : revenus et dépenses.

• Corrélation négative : les deux variables évoluent simultanément en sens inverse.

Exemple : nombre de cigarettes fumées et espérance de vie.

• Plus le coefficient de corrélation est proche de 1 ou -1, plus la relation est forte.

• Coefficient de corrélation égal à 1 et à -1 signifie respectivement une corrélation positive

parfaite et une corrélation négative parfaite.

• Coefficient de corrélation nul signifie une absence de corrélation.

 ANALYSE DESCRIPTIVE BIVARIÉE (5/10)

Indication sur la force de la relation :

• -1 à -0,5 ou 0,5 à 1: corrélation forte.

• -0,5 à -0,3 ou 0,3 à 0,5 : corrélation moyenne.

• -0,3 à -0,1 ou 0,1 à 0,3 : corrélation faible.

• -0,1 à 0,1 : absence de corrélation.

ANALYSE DESCRIPTIVE BIVARIÉE (6/10)

q Exercice : commenter brièvement le tableau, puis calculer le coefficient de

corrélation de Pearson entre les deux indicateurs Inflation et chômage.

Pays Inflation Chômage

Allemagne 2,2 7,7
Australie 6,4 10,8
Espagne 7,6 18,4
Etats-Unis 3,8 7,4
France 4,4 10,2
Italie 7,4 10,7
Japon 1,8 2,2
Royaume-Uni 5,5 10,1
Suede 6,7 5,3
Suisse 3,2 2,5
ANALYSE DESCRIPTIVE BIVARIÉE (7/10)

Moyenne (Inflation) = 4,9 Pays Inflation Chômage

Allemagne 2,2 7,7
Moyenne (Chômage) = 8,53
Australie 6,4 10,8

Variance (Inflation) = 4,06 donc Espagne 7,6 18,4

écart type = 2,12 Etats-Unis 3,8 7,4
France 4,4 10,2
Variance (Chômage) = 20,14 donc Italie 7,4 10,7
écart type = 4,73 Japon 1,8 2,2
Royaume-
Covariance (Inflation, Chômage) = Uni 5,5 10,1
7,0 Suede 6,7 5,3
Suisse 3,2 2,5
Corr (Inflation, Chômage) =
𝟕,𝟎𝟏/ (𝟐,𝟐𝟏∗𝟒,𝟕𝟑) = 0,7
 ANALYSE DESCRIPTIVE BIVARIÉE (8/10)

Lien entre deux variables qualitatives :

• Le plus connu χ² (Khi deux) de Pearson.

• Il compare les effectifs observés avec une situation de référence : les effectifs
théoriques que l'on obtiendrait si les variables Y et X étaient indépendantes.
• Le test du khi deux permet de se prononcer sur le rejet ou l'acceptation de
l’indépendance ou la dépendance.
• Exemple : la réussite ou l'échec au bac lorsque l'on est une fille ou un
garçon.
• Les résultats des filles et des garçons sont-ils identiques ? Les différences
sont-elles dues au hasard ?
ANALYSE DESCRIPTIVE BIVARIÉE (9/10)

Sexe Sport
Exemple : Pratique du sport selon le sexe Id
(0: M,1:F) (0: Oui,1:Non)
1 0 0
2 0 1
Interpréter les résultats 3 1 0
4 1 1
5 0 1
6 1 1
7 0 1
8 1 0
9 1 1
10 0 1
11 0 1
12 0 0
13 1 1
14 0 1
15 0 1
16 1 0
17 0 1
18 0 1
19 1 1
20 0 0
21 1 0
22 0 1
23 1 1
24 0 1
25 0 0
26 0 0
27 1 1
ANALYSE DESCRIPTIVE BIVARIÉE (10/10)

Exemple : Interpréter les résultats

H0 : il y a indépendance
H1 : il n’ya pas
indépendance

Pvalue inférieure à 5%,

on rejette H0.

Conclusion : Il y a un
lien significatif (à 5%)
entre les deux variables.
ANALYSE DESCRIPTIVE MULTIVARIÉE (1/7)

q Elle vise à étudier plusieurs variables simultanément.

q Il n’ y a pas de variable à expliquer Y.

q Méthodes permettant une description globale des individus et

des variables.
ANALYSE DESCRIPTIVE MULTIVARIÉE (2/7)

q Objectifs :

• Représenter les données de grande dimension

• Visualiser les données
• Rechercher des liens entre les variables
• Caractériser des groupes d’individus (typologies)
• Classer les données

q Principe : résumer et comprendre le tableau de données [X1,…,Xp].

 ANALYSE DESCRIPTIVE MULTIVARIÉE (3/7)

q La visualisation des données consiste à associer au tableau Individus x Variables

une carte des individus (les points de la figure), et des variables (les flèches de la
figure).

q La position des individus sur la carte traduit les ressemblances entre les individus.

q Par exemple, les individus 1 et 2 se ressemblent, mais sont très différents de

l’individu 3.

¡ ²
 ANALYSE DESCRIPTIVE MULTIVARIÉE (4/7)

La position des variables sur la carte reflète les corrélations entre les variables :

• Les variables X1 et X2 sont fortement corrélées positivement.

• X3 et X4 sont corrélées négativement.

• X1, X2 sont faiblement corrélées aux variables X3, X4.

¡ ²
ANALYSE DESCRIPTIVE MULTIVARIÉE (5/7)

Les projections des individus sur les axes reflètent les valeurs des variables
sur les individus :

• Les individus 1 et 2 sont forts sur X1, X2, alors que l’individu 3 est faible sur ces mêmes
variables.

• L’individu 4 est moyen sur X3, mais faible sur X4 .

 ANALYSE DESCRIPTIVE MULTIVARIÉE (6/7)

Deux branches principales :

q Méthodes de visualisation (analyse factorielle) : Visualiser des données

Nature des variables X1,…,Xk

Quantitatives Qualitatives
P=2 P>2

Analyses en composantes Analyse factorielle Analyse des

principale (ACP) des correspondances correspondances
(AFC) multiples (ACM)

q Méthodes de classification : former des classes d’individus et de variables.

• Exemples : Classification ascendante hiérarchique (CAH), Nuées dynamiques, etc.
ANALYSE DESCRIPTIVE MULTIVARIÉE (7/7)

q L’ACP permet de visualiser des données quantitatives, AFC des données

qualitatives.

q Le cas particulier de deux variables qualitatives est important, puisqu’il

correspond à l’étude d’un tableau de contingence; l’AFC permet de visualiser
un tableau de contingence.

q ACM est une généralisation de l’AFC.

q Dans ce cours, nous étudions l’ACP, l’AFC, l’ACM et la CAH.

q Chaque méthode sera ainsi illustrée à l’aide des exemples complètement

traités via SPAD, et commentés en détail au niveau statistique.
 APPLICATION

Veuillez procéder à une analyse globale de ce tableau

Tous niveaux d’éducation Primaire Secondaire 1 Secondaire 2 Supérieur

Bénin (2003) 165 67 266 718 664

Burkina Faso (2003) 126 44 237 381 573
Cameroun (2001) 204 70 378 542 744
Congo (2005) 68 26 98 136 225
Côte d'Ivoire (2002) 217 93 327 530 678
Gabon (2005) 223 95 286 435 315
Madagascar (2001) 59 44 106 184 421
Mali (2006) 29 27 41 41 147
Mauritanie (2008) 103 66 140 191 368
Niger (2005) 40 12 64 205 368
Tchad (2001) 37 18 79 98 306
Malawi (2004) 31 13 172 172 699
Rwanda (2005) 68 27 365 535 1234
Sierra Leone (2003) 113 46 227 409 453
Tanzanie (2007) 54 17 203 669 850
Moyenne 102 44 214 387 536

Données : Dépenses d’éducation des familles en moyenne (UNESCO), en dollar