TD5 : tlphones mobiles.

ee
(Correction)

Introduction

La revue 60 Millions de consommateurs ` prsent dans son numro de novembre 2001 une tude sur les tla e e e e ee phones mobiles aboutissant ` un tableau comportant un nombre important de caractristiques touchant ` lutilisation a e a de ces appareils. Une part de ces caractristiques reprsentent des observations correspondant ` des mesures objectives, e e a associes le plus souvent ` des jugements de valeur exprims sur une chelle comportant cinq degrs. e a e e e Dans le but de fournir une cartographie de ces appareils pouvant servir ` les direncier selon le maximum de ces a e crit`res il a t construit un tableau de donnes ci dessous, retenant les variables juges les plus pertinentes : e ee e e
> mobiles2 Philips Nokia3310 Nokia6210 Sony SiemensSL45 EricssonT20 SiemensS35i Alcatel304 Samsung Trium Motorola Panasonic Alcatel501 Ericsson2628 Sagem Commodite Acoustiq TpsCharge AutoVeille Autoconv PuisGSM SensiGSM SensiDCS 5 3 5 5 5 5 3 3 4 4 2 5 5 4 4 4 4 3 3 5 5 4 4 4 5 4 4 4 2 4 4 4 5 3 5 5 1 4 4 4 3 4 3 5 5 3 3 3 4 4 3 5 2 4 4 4 3 4 4 5 2 5 3 3 4 3 4 3 2 5 3 3 3 3 4 5 2 5 4 4 3 4 3 5 2 4 4 4 4 4 5 4 3 3 1 2 4 2 4 5 2 5 2 3 3 3 1 3 3 4 3 4 3 3 3 5 3 3 1 2

Les appareils tests sont donc au nombre de 15 ; le numro de mod`le na t prcis que lorsque plusieurs tlphones e e e ee e e ee dune mme marque sont prsents. On ne donne volontairement pas dexplication sur le sens des variables, mme si e e e certaines sont simples ` deviner : lanalyse sera faite sur les proprits numriques des variables, pas leur interprtation. a ee e e Pour pouvoir utiliser lACP norme les degrs de lchelle de jugement ont t transforms en notes allant de 1 ` e e e ee e a 5. Pour toutes ces donnes, les valeurs les plus grandes sont considres comme meilleures. e ee On donne ci-dessous la matrice de corrlation des 8 variables : e
> round(cor(mobiles2), digits=2) Commodite Acoustiq TpsCharge AutoVeille Autoconv PuisGSM SensiGSM SensiDCS Commodite 1.00 -0.12 0.54 -0.03 -0.01 0.17 0.21 0.15 Acoustiq -0.12 1.00 -0.12 0.06 0.11 -0.43 0.23 0.09 TpsCharge 0.54 -0.12 1.00 0.19 -0.30 0.25 -0.18 -0.36 AutoVeille -0.03 0.06 0.19 1.00 0.18 -0.03 0.16 0.05 Autoconv -0.01 0.11 -0.30 0.18 1.00 -0.27 -0.04 -0.11 PuisGSM 0.17 -0.43 0.25 -0.03 -0.27 1.00 0.34 0.29 SensiGSM 0.21 0.23 -0.18 0.16 -0.04 0.34 1.00 0.93 SensiDCS 0.15 0.09 -0.36 0.05 -0.11 0.29 0.93 1.00

Question 1. Quel est le couple de variables qui sont les plus corrles entre elles ? Les moins corrles entre elles ? ee ee Quelles sont les variables les plus opposes ? e Le couple le plus corrl (r 1) est (SensiDCS, SensiGSM) avec 0, 93. ee Le couple le moins corrl (r 0) est (AutoConv, Commodit) avec 0, 01. ee e Le couple le plus oppos (r 1) est (PuisGSM, Acoustiq) avec 0, 43. e

Une premi`re analyse en composantes principales e

On fait une analyse en composantes principales des donnes centres-rduites. On obtient les valeurs propres e e e suivantes : 1

> round(pca2$eig, digits=2) [1] 2.23 1.94 1.30 1.01 0.89 0.47 0.13 0.02

On reprsente ci-dessous le cercle des corrlations du premier plan principal (axe 1 en abscisse, axe 2 en ordonne), e e e accompagn du tableau des corrlations entre les variables et les 5 premiers facteurs, la projection des individus sur le e e premier plan principal et les contributions (en 10000i`mes) de ces individus aux 5 premiers facteurs : e
> round(pca2$co,digits=2) Comp1 Comp2 Comp3 Commodite -0.29 0.57 -0.46 Acoustiq -0.05 -0.56 -0.44 TpsCharge 0.13 0.82 -0.45 AutoVeille -0.11 -0.04 -0.66 Autoconv 0.18 -0.47 -0.38 PuisGSM -0.52 0.57 0.30 SensiGSM -0.96 -0.19 -0.14 SensiDCS -0.95 -0.24 0.07

TpsCharge

Commodite PuisGSM

AutoVeille SensiGSM SensiDCS

Comp4 0.23 0.58 0.17 -0.53 -0.47 -0.31 0.04 0.02

Comp5 0.52 -0.19 -0.14 -0.49 0.56 -0.07 -0.01 0.04

Autoconv Acoustiq

d=1 Alcatel501 SiemensSL45 Philips Samsung

Trium Sony Alcatel304

Panasonic

Sagem SiemensS35i Nokia6210 Motorola Ericsson2628 Nokia3310 EricssonT20

> inertia.dudi(pca2,ro=T)$row.abs Axis1 Axis2 Axis3 Axis4 Axis5 Philips 0 1096 1115 905 1342 Nokia3310 345 1340 389 178 519 Nokia6210 263 208 188 1118 793 Sony 536 65 161 2330 346 SiemensSL45 583 1168 381 327 65 EricssonT20 479 1637 549 66 0 SiemensS35i 478 163 118 302 311 Alcatel304 3 20 4 1 2090 Samsung 3 800 1687 513 543 Trium 549 96 243 461 1234 Motorola 303 526 2 90 1429 Panasonic 3127 80 356 1753 49 Alcatel501 102 1720 436 1634 49 Ericsson2628 12 987 4341 29 965 Sagem 3215 95 29 295 266

Question 2. Faire une reprsentation en histogramme des valeurs propres. Combien de composantes principales faut-il e retenir ? Quel est le pourcentage dinertie totale explique par le sous-espace principal correspondant ? Si on ne retient e que le premier plan principal, quel est le ratio expliqu ? e On obtient lhistogramme suivant pour les valeurs propres :

Le crit`re de Kaiser ( > 1) am`ne ` considrer les 3 premi`res valeurs propres (on pourrait en conserver 4, mais e e a e e la quatri`me valeur est vraiment proche de 1). Linertie totale est 8 et linertie porte par les 3 premiers axes est e e 2.23 + 1.94 + 1.30 = 5.47. Cela reprsente 68% de linertie totale. e 2

0.0

0.5

1.0

1.5

2.0

Si on ne consid`re que les deux premi`res valeurs propres, on na que 52% de linertie totale. On voit que les valeurs e e propres ne dcroissent pas tr`s vite : la qualit de lACP ne sera pas tr`s bonne. e e e e Question 3. Quelles sont les variables qui dterminent la premi`re composante principale ? La proximit des ces e e e variables sur le cercle est-elle cohrente avec ce que lon sait des donnes dorigine ? e e La premi`re composante principale est dtermine ngativement par SensiGSM et SensiDCS. On le voit sur le cercle, e e e e mais aussi par les corrlations, respectivement 0, 96 et 0, 95. Il ny a pas de variable fortement corrle positivement e ee avec cet axe. Comme ces variables sont tr`s pr`s du cercle, on peut dduire de leur proximit dans le cercle de corrlation quelles e e e e e sont tr`s corrles lune ` lautre. En eet, ce sont les deux variables notes ` la question 1 comme ayant une corrlation e ee a e a e de 0, 93. Question 4. Quels sont les individus qui dterminent le plus la premi`re composante principale ? Quelle est leur e e contribution ? Les individus qui dterminent la premi`re composante principale sont Panasonic et Sagem. On le voit sur la e e projection des individus mais surtout par leur contribution aux axes (qui sont donnes ici en 10000i`mes) : e e Panasonic : 0, 3127 Sagem : 0, 3215 Ces valeurs sont ` comparer avec le poids de chaque individu, qui est ici 1/15 0, 07. Elles sont tr`s au dessus a e des valeurs normales, puisque les contributions des individus somment ` 1 et que ces deux lments ` eux seuls en a ee a reprsentent pr`s des deux tiers. e e Question 5. Quel est le lien entre les variables de la question 3 et les individus de la question 4 ? Dune part le premier axe est dtermin par SensiGSM et SensiDCS (question 3). Dautre part il est dtermin par e e e e les deux individus Panasonic et Sagem (question 4). Il est en fait facile de vrier que ces deux portables ont une note hors norme pour ces deux variables, ce qui e explique les caractristiques de la premi`re composante principale. e e

Une nouvelle ACP

On dcide de faire une nouvelle analyse en composantes principales sur les variables centres-rduites en passant les e e e tlphones mobiles perturbateurs en lments supplmentaires. On donne ci-dessous les mmes donnes que dans ee ee e e e la section prcdente (valeurs propres, corrlations entre variables et facteurs, projection des individus sur le premier e e e plan principal et contributions des individus aux facteurs) :
> round(pca3$eig, digits=2) [1] 2.73 1.72 1.32 0.93 0.68 0.43 0.17 0.02

Autoconv

Acoustiq PuisGSM

SensiDCS AutoVeille SensiGSM TpsCharge Commodite

> round(pca3$co, Comp1 Commodite -0.24 Acoustiq 0.71 TpsCharge -0.63 AutoVeille 0.10 Autoconv 0.24 PuisGSM -0.78 SensiGSM 0.75 SensiDCS 0.74

digits=2) Comp2 Comp3 -0.68 0.12 -0.04 0.21 -0.67 0.22 -0.40 0.70 0.38 0.70 -0.14 -0.22 -0.59 -0.11 -0.38 -0.42

Comp4 -0.63 0.32 0.13 0.41 -0.45 0.20 0.02 -0.12

Comp5 0.19 0.55 0.18 -0.36 -0.16 -0.19 -0.06 -0.34

d=2

Ericsson2628 EricssonT20

Alcatel501

Samsung Alcatel304 Nokia3310 Motorola Nokia6210 Philips Trium SiemensS35i Sony

Panasonic SiemensSL45

Sagem

> inertia.dudi(pca3,ro=T)$row.abs Axis1 Axis2 Axis3 Axis4 Axis5 Philips 1382 195 1920 922 3 Nokia3310 1273 29 431 318 166 Nokia6210 334 12 324 865 1712 Sony 199 1064 320 563 2008 SiemensSL45 13 2968 118 93 1 EricssonT20 344 1679 2626 40 837 SiemensS35i 608 295 29 181 60 Alcatel304 341 116 96 3310 557 Samsung 1295 226 1160 217 1473 Trium 6 244 358 1306 1922 Motorola 776 9 73 1425 6 Alcatel501 3200 182 6 4 1104 Ericsson2628 229 2981 2539 758 150

On ajoute ` ces donnes la table des cosinus carrs (en 10000i`mes) de langle entre les individus et les 5 premiers a e e e axes principaux :
> abs(inertia.dudi(pca3,ro=T)$row.rel) Axis1 Axis2 Axis3 Axis4 Axis5 con.tra Philips 4699 418 3162 1069 2 1004 Nokia3310 6658 97 1091 566 218 653 Nokia6210 2605 59 1224 2295 3342 438 Sony 1144 3855 891 1102 2893 594 SiemensSL45 54 7997 243 135 1 799 EricssonT20 1061 3267 3923 42 647 1106 SiemensS35i 6209 1901 144 630 153 334 Alcatel304 1850 395 252 6119 757 629 Samsung 4940 544 2143 282 1409 895 Trium 44 1058 1191 3056 3307 497 Motorola 5929 41 270 3709 11 447 Alcatel501 8060 289 7 4 697 1355 Ericsson2628 627 5147 3366 707 103 1247

Question 6. Expliquer en quoi la nouvelle analyse est dirente de la prcdente et pourquoi elle est utile. Est-ce e e e quil sera toujours possible dinterprter les donnes des lments supprims ? e e ee e Cette nouvelle ACP est dirente car les tlphones Panasonic et Sagem ont t retirs de lanalyse. On esp`re donc e ee ee e e que les axes principaux ne seront plus tirs vers ces deux lments, qui avaient une trop forte inuence. e ee Il est toujours possible dinterprter ces deux lments (et ils sont dailleurs reprsents sur la projection des e ee e e individus sur le premier axe principal). Pour cela, il sut de calculer leurs coordonnes sur chaque axe principal ` e a partir des coordonnes de la composante principale. e Pour rsumer, ces lments nont pas servi ` lanalyse, mais on peut voir comment ils se comportent vis-`-vis des e ee a a rsultats de cette analyse. e Question 7. Combien de valeurs propres faut-il retenir, et quelles proportion dinertie totale cela reprsente-t-il ? e Le crit`re de Kaiser conduit ` ne retenir que 3 valeurs propres. Cela correspond ` une inertie de 2.73 + 1.72 + 1.32 = e a a 5, 77, soit 72% de linertie totale. On a donc une lg`re augmentation de la qualit globale de la reprsentation. e e e e Question 8. Pour chacune des trois premi`res composantes principales, donner les variables qui les caractrisent le e e plus. On trouve ces variables en regardant les coecients de corrlation. On xe une limite de 0, 60. e Le premier axe est caractris par SensiGSM (corrlation 0, 75), SensiDCS (0, 74) et Acoustiq (0, 71) dune part ; e e e PuisGSM (0, 78) et TpsCharge (0, 63) dautre part. Le deuxi`me axe est plus li ` Commodite (0, 68), TpsCharge (0, 67) et SensiGSM (0, 59). e ea Le troisi`me axe correspond ` AutoVeille (0, 70) et AutoConv (0, 70). e a Question 9. Si on se rf`re ` la projection des individus sur le premier plan principal, o` pense-t-on trouver ceux qui ee a u ont des notes suprieures a la moyenne pour PuisGSM ? et pour TpsCharge ? e ` Ce sont plutt ceux qui sont sur la gauche du diagramme qui ont une note leve ` PuisGSM, puisque le premier o e e a axe est li ngativement ` cette caractristiques. Toutefois la corrlation de PuisGSM avec le premier axe nest que de e e a e e 0.78, et il faut sattendre ` des surprises. En eet, si on regarde les donnes dorigine, on voit que les bonnes note sont a e a ` gauche, sauf Trium. Pour TpsCharge, un raisonnement analogue prdit que les individus seront en bas ` gauche de la projection mais, e a l` encore, les corrlations ne sont pas t`s importantes. a e e 4

Question 10. Comment mesure-t-on la qualit de la reprsentation dun individu par un axe principal ? Quels sont e e les deux individus les plus mal reprsents sur le premier axe principal ? e e La qualit de la reprsentation dun individu par une axe se mesure par le cosinus carr de langle entre lindividu e e e et laxe. En se reportant ` la table ci-dessus, on voit que les deux individus vraiment mal reprsents sont Trium a e e (0, 0044) et SiemensSL45 (0, 0054). Question 11. Comment mesure-t-on la qualit de la reprsentation dun individu par un sous-espace principal ? Quels e e sont les deux individus les plus mal reprsents par les 3 premiers axes principaux ? e e Pour trouver ces individus, il faut calculer le cosinus carr des individus avec le sous espace form par les trois e e premiers axes principaux. Ce cosinus carr est en fait la somme des valeurs donnes dans les trois premi`res colonnes, e e e puisque les cosinus carrs sont additifs dans ce cas. En additionant les trois colonnes, on trouve : e
> inertia.dudi(pca3,ro=T)$row.cum[,3] Philips Nokia3310 Nokia6210 Sony SiemensSL45 EricssonT20 SiemensS35i Alcatel304 son2628 8279 7846 3888 5889 8295 8251 8255 2498 Samsung Trium Motorola Alcatel501 Erics7627 2293 6240 8356 9140

Les deux tlphones les moins bien reprsents sont donc Trium (0, 2293) et Alcatel304 (0, 2498). ee e e Question 12. Que peut-on dire de la position des deux lments supplmentaires sur la projection des individus ? ee e Peut-on en dduire quils sont bien reprsents par le sous espace F3 correspondant aux 3 premiers axes ? On saidera e e e des donnes suivantes, qui rcapitulent leurs coordonnes sur les axes principaux : e e e
> round(pca3sup$lisup, digits=2) Axis1 Axis2 Axis3 Axis4 Axis5 Axis6 Axis7 Axis8 Panasonic 2.43 -2.34 1.99 0.12 3.52 2.43 0.03 0.92 Sagem 2.13 -3.59 2.04 -0.52 1.15 3.08 -0.36 -0.20

Les coordonnes des deux lments supplmentaires sur la projection des individus sur le premier plan principal sont e ee e comparables aux autres. Pour savoir si les lments sont biens reprsents par les 3 premiers axes principaux, il faut calculer leur cosinus ee e e carr par rapport au sous espace. Pour cela, on l`ve les donnes ci-dessus au carr et on divise chaque ligne par sa e ee e e somme, ce qui donne les cosinus carrs des angles par rapport aux 3 premiers axes (en 10000i`mes) : e e
> round(pca3cos2sup[,1 :3]*10000) Axis1 Axis2 Axis3 Panasonic 1708 1592 1151 Sagem 1379 3934 1265

Les donnes que nous recherchons sont obtenues en sommant les deux lignes ci-dessus, donnant respectivement 4451 e et 6578. Les deux tlphones sont donc plutt mal reprsents (respectivement 0, 4451 et 0, 6578 sur les trois premiers axes), ee o e e mais ils sont quand mme dans le milieu du peloton par rapport aux autres cosinus carrs. e e