Rapport Analyse de Données

Rapport Projet Analyse de Données

Réalisé par :

- Marwa BELFARJI

- Soukaina RAOUD

- Réda NOUAMANI

Encadrés par :

- M. SKALLI

1

Sommaire :

I- Introduction

II- Analyse Factorielle des Correspondances

1. Généralités

2. Tableaux de contingence

3. Nuages de profils

4. Interprétation des résultats

5. Interprétation des axes

6. Interprétation des profils

III- Description, traitement et codage des données

1. Description des données

2. Traitement des données

a. Histogrammes

b. Histogrammes réduits

3. Codage des données

IV- Analyse des données :

1. Saisie du tableau disjonctif sur UNIX : Utilisation de

ANCORR

2. Résultats de l’analyse

3. Synthèse

4. Utilisation de Sphinx

a. Saisie des données

b. Résultats

V- Conclusion

2

I- Introduction :

Avoir une idée globale sur l’environnement socio-économique de son pays est très bénéfique

pour s’inscrire au développement national. Mieux encore, cerner les indicateurs socio-économiques

de son pays en le comparant à d’autres pays serait encore plus bénéfique, du fait de l’importance de

la compétitivité dans la mission de l’amélioration.

C’est dans cette perspective qu’une étude démographique comparative des pays d’Afrique

s’avéra indispensable. Durant notre étude, nous avons fait appel à des indicateurs qui définissent le

plus l’environnement socio-économique de ces pays.

Cette étude comparative des pays d’Afrique est basée sur l’analyse de données qui est un

outil très déterminant dans l’aide à la prise de décision. En effet, l’analyse de données est conçue tel

un moyen de description, d’analyse et de prévision de l’évolution d’une variable ou d’un critère au

sein d’une population donnée, et cela à travers l’interprétation des résultats d’une enquête. Le

développement des outils mathématiques, de façon générale, et des statistiques de façon

particulière, a permis une meilleure approche dans le domaine d’analyse de données, à savoir une

meilleure « mise en relation » d’un ensemble de paramètres constituant un espace de données.

Notre rapport synthétise justement le cours d’analyse de données, en se basant principalement sur

les techniques majeures permettant de dégager les différentes relations entre un ensemble

d’indicateurs, décrivant un phénomène socio-économique donné.

Pour réaliser cela, le logiciel ANCOR sous UNIX s’avérera très utile dans le but de faire la synthèse

des données recensées ainsi que l’outil EXCEL pour un traitement intuitif et primaire des données.

3

II- Analyse Factorielle des Correspondances :

1. Généralités :

L'analyse factorielle des correspondances (AFC), ou analyse des correspondances simples, est

une méthode exploratoire d'analyse des tableaux de contingence. Elle a été développé

essentiellement par J.-P. Benzecri durant la période 1970-1990.

L'application de la méthode a deux effets :

- d'une part, on construit des images des nuages d'"individus-lignes" et d'"individus-colonnes" de

départ, de façon que les distances entre images soient des distances euclidiennes et non plus des

distances calculées selon la métrique du KH 2;

- d'autre part, on recherche les directions de plus grande dispersion dans ces nuages de points

images.

2. Tableaux de contingence :

Soit X et Y deux variables (caractères) qualitatives décrivant un ensemble de n individus.

La variable X possède p modalités 1,…, p

La variable Y possède q modalités 1,…, q

On note kij l’effectif de la classe (X=i, Y=j)

Ces données sont présentées dans un tableau de contingence :

3. Nuages de profils :

L’analyse des correspondances va consister à étudier la répartition de chaque classe de la

variables X suivant les modalités de Y (et inversement)

On parle alors de profils-lignes (lorsqu’on étudie les classes de X) et de profils-colonnes

(lorsqu’on étudie les classes de Y).

4. Interprétation des résultats :

Les 2 nuages des profils-lignes et des profils colonnes seront projetés successivement sur le

plan factoriel et interprétés. La projection simultanée des 2 nuages est fréquente mais délicate. En

général, les deux premiers axes suffisent pour expliquer plus de 70 % de l’inertie initiale.

Lorsque ce n’est pas le cas, on utilise les trois premiers axes, en les étudiant 2 par 2.

4

5. Interprétation des axes :

Chaque axe sera interprété d’abord par les contributions des profils lignes puis par celles des

profils colonnes.

Les profils ayant les plus fortes contributions sur un axe, permettront de donner un sens à cet

axe.

L’étude des signes des coordonnées des profils permettront de mettre en valeur des

oppositions.

6. Interprétation des profils :

La position des profils par rapport (au sens donné) aux axes permet d’interpréter les

modalités de chaque variable :

- Deux profils proches sur le graphe représenteront deux modalités de X ayant des

distributions (répartitions) suivant les modalités de Y assez semblables.

- Inversement, deux profils éloignés représenteront deux modalités de X dont les distributions

suivant les modalités de Y sont très différentes.

5

III- Description, traitement et codage des données : 1. Description des données :

Les données que nous allons analyser constituent une combinaison de bases de données

fournies par :

- United Nation Population Division 2008

- Rapport sur le Développement Humain 2007 – 2008

La base de données finale constituée contient donc différentes données démographiques et

socio-économiques concernant 48 pays d’Afrique.

Nous focaliserons notre étude sur des variables qui représentent les mieux l’environnement

socio-économique de ces pays. Les variables choisies sont comme suit :

- Taux De Fertilité

- Nombre De Morts

- Taux De Reproduction Net

- La Migration Nette

- L’Age Médian

- Taux De Dépendance

- PIB par habitant

Les ensembles choisis donc seront tels que :

- L’ensemble I : Les différents pays. - L’ensemble J : Taux De Fertilité, Nombre De Morts, Taux De Reproduction Net, La Migration

Nette, L’Age Médian, Taux De Dépendance, PIB par habitant.

Les données sont regroupées dans un tableau dont les lignes représentent les 48 pays

auxquels on s’intéresse, et les colonnes les différentes variables.

En voici un échantillon (pour la totalité des données voir annexe 1) :

Pays Taux De

Fertilité

Nombre de

Morts

Taux de Reproduction

Net

Migration Nette

Âge Médian

Taux De Dépendance

PIB par habitant

Algérie 2,38 169 1,11 -28 24 52 7 062

Angola 5,79 305 2 16 16,17 95 2335

Benin 5,48 79 2,27 10 18 88 1141

Botswana 2,9 22 1,18 3 21,3 63 12 387

Mali 5,49 200 1,99 -40 17,4 89 1033

Maroc 2,38 183 1,11 -85 24,3 55 4 555

Maurice 1,78 9 0,85 0 30,7 45 12 715

Tunisie 1,86 60 0,87 -4 26,9 48 8 371

Zambie 5,87 219 2,05 -17 16,8 96 1023

Zimbabwe 3,47 203 1,29 -140 18,4 81 2038

6

2. Traitement des données :

a. Histogrammes :

On se propose de tracer les histogrammes des différentes variables en fonction des pays

correspondants. Comme on a vu en cours, la division en classes ne doit pas être faite au hasard.

Dans un premier temps, on tracera des histogrammes de nombreuses classes :

- Taux De Fertilité :

- Nombre De Morts :

0

1

2

3

4

5

6

7

TDF1

TDF2

TDF3

TDF4

TDF5

TDF6

TDF7

TDF8

TDF9

TDF1

0

TDF1

1

TDF1

2

TDF1

3

TDF1

4

TDF1

5

TDF1

6

TDF1

7

TDF1

8

TDF1

9

TDF2

0

Taux De Fertilité

Taux De Fertilité

0

1

2

3

4

5

6

7

8

9

Nb

M1

Nb

M3

Nb

M5

Nb

M7

Nb

M9

Nb

M1

1

Nb

M1

3

Nb

M1

5

Nb

M1

7

Nb

M1

9

Nb

M2

1

Nb

M2

3

Nb

M2

5

Nb

M2

7

Nb

M2

9

Nb

M3

1

Nb

M3

3

Nb

M3

5

Nb

M3

7

Nb

M3

9

Nb

M4

1

Nb

M4

3

Nombre De Morts

Nombre De Morts

7

- Taux De Reproduction Net :

- La Migration Nette :

0

1

2

3

4

5

6

7

TRN

1

TRN

2

TRN

3

TRN

4

TRN

5

TRN

6

TRN

7

TRN

8

TRN

9

TRN

10

TRN

11

TRN

12

TRN

13

TRN

14

TRN

15

TRN

16

TRN

17

TRN

18

TRN

19

TRN

20

TRN

21

Taux de Reproduction Net


0

1

2

3

4

5

6

7

8

MgN

1

MgN

2

MgN

3

MgN

4

MgN

5

MgN

6

MgN

7

MgN

8

MgN

9

MgN

10

MgN

11

MgN

12

MgN

13

MgN

14

MgN

15

MgN

16

MgN

17

MgN

18

MgN

19

MgN

20

MgN

21

MgN

22

MgN

23

MgN

24

Migration Nette

Migration Nette

8

- L’Age Médian :

- Taux De Dépendance :

0

1

2

3

4

5

6

AgM

1

AgM

2

AgM

3

AgM

4

AgM

5

AgM

6

AgM

7

AgM

8

AgM

9

AgM

10

AgM

11

AgM

12

AgM

13

AgM

14

AgM

15

AgM

16

AgM

17

AgM

18

AgM

19

AgM

20

AgM

21

AgM

22

AgM

23

AgM

24

Âge Médian

Âge Médian

0

1

2

3

4

5

6

7

8

9

TDD

1

TDD

2

TDD

3

TDD

4

TDD

5

TDD

6

TDD

7

TDD

8

TDD

9

TDD

10

TDD

11

TDD

12

TDD

13

TDD

14

TDD

15

TDD

16

TDD

17

TDD

18

TDD

19

TDD

20

TDD

21

Taux De Dépendance

Taux De Dépendance

9

- PIB par habitant :

Ensuite on procédera par des subdivisions plus étroites des intervalles qui contiennent la

quasi-totalité des points du nuage en question, ce qui permettra de trouver des groupements de

points et par suite, de réduire le nombre de classes à 7, selon la nature de la distribution. Ces

histogrammes finaux sont communément nommés : histogrammes réduits.

0

1

2

3

4

5

6

7

8

PIB

1

PIB

2

PIB

3

PIB

4

PIB

5

PIB

6

PIB

7

PIB

8

PIB

9

PIB

10

PIB

11

PIB

12

PIB

13

PIB

14

PIB

15

PIB

16

PIB

17

PIB

18

PIB

19

PIB

20

PIB

21

PIB

22

PIB

23

PIB

24

PIB

PIB

10

b. Histogrammes réduits :

- Taux De Fertilité :

On remarque que la majorité des pays étudiés ont un taux de fertilité supérieur à 4,20.

- Nombre De Morts :

Concernant le nombre de morts, il est inférieur à 310 dans la majorité des pays d’Afrique.

0

1

2

3

4

5

6

7

8

9

10

1,78 à 3,12 3,12 à 4,20 4,20 à 4,73 4,73 à 5,27 5,27 à 5,81 5,81 à 7,15

Taux De Fertilité

0

1

2

3

4

5

6

7

8

9

10

1 à 10 10 à 41,1 41,1 à 124,3 124,3 à 185, 95 185,95 à 309,25 309,25 à 2497

Nombre de Morts

11

- Taux De Reproduction Net :

Cet histogramme nous montre que la majorité des pays d’Afrique ont un taux de

reproduction net supérieur à la moyenne (1,68).

- La Migration Nette :

On remarque que la majorité des pays ont une migration nette négative.

0

1

2

3

4

5

6

7

8

9

10

0,85 à 1,29 1,29 à 1,68 1,68 à 1,88 1,88 à 1,99 1,99 à 2,10 2,10 à 2,69


0

1

2

3

4

5

6

7

8

9

10

-85 à -32,5 -32,5 à -10 -10 à -2 -2 à 0 0 à 5 5 à 65

Migration Nette

12

- L’Age Médian :

On remarque que l’âge médian est relativement faible en Afrique, inférieur à 20ans pour la

plupart des pays.

- Taux De Dépendance :

D’après cet histogramme, on note que la plupart des pays d’Afrique ont un taux de

dépendance supérieur à 80.

0

1

2

3

4

5

6

7

8

9

10

15,5 à 17,02 17,02 à 18,03 18,03 à 18,54 18,54 à 19,05 19,05 à 20,82 20,82 à 30,70

Âge Médian

0

1

2

3

4

5

6

7

8

9

10

45 à 71,55 71,55 à 80,4 80,4 à 82,37 82,37 à 86,3 86,3 à 91 91 à104

Taux De Dépendance

13

- PIB par habitant :

En Afrique il est clair que le PIB est très faible : inférieur à 3403,73 dans la majorité des pays.

0

2

4

6

8

10

12

300 à 796,6 796,6 à 1193,2 1193,2 à 1541,5 1541,5 à 2162,25 2162,25 à 3403,73 3403,73 à 12715

PIB

14

3. Codage des données : Les pays ne seront pas désignés par leurs noms respectifs, mais à chacun on attribuera un

code de quatre caractères, tel que les présentent le tableau suivant :

Pays Code Pays Code

Algeria ALGR Lesotho LESO

Angola ANGO Liberia LIBR

Benin BENN Madagascar MDGC

Botswana BOTS Malawi MALW

Burkina-Faso BURK Mali MALI

Burundi BURU Maroc MARO

Cameroon CAMR Maurice MAUR

Cap Vert CAPV Mauritanie MART

Central African Republic CEAF Mozambique MOZA

Comores COMO Namibie NAMB

Chad CHAD Niger NIGE

Congo CONG Nigeria NIGR

Côte d'Ivoire COIV Réunion REUN

Democratic Republic of the Congo DRCO Rwanda RWND

Djibouti DJIB São Tomé et Príncipe SAOT

Egypte EGYP Sénégal SENE

Eritrea ERIT Sierra Leone SILE

Ethiopie ETHI Somalie SOML

Gabon GABN Soudan SOUD

Gambie GAMB Swaziland SWAZ

Ghana GANA Togo TOGO

Guinée GINE Tunisia TUNI

Guinée-Bissau GIBI Zambie ZAMB

Kenya KENY Zimbabwe ZIMB

http://www.1clic1planet.com/cap%20vert.htm

15

En ce qui concerne la partie codage des variables, nous avons regroupé les données en des

modalités expliquées par la suite :

- Variable Taux De Fertilité (TDF) :

Si le pays appartient à la tranche (en pourcentage) :

[1,78 ; 3,12[ : il est présenté par la modalité TDF1.



[4,73 ; 5,27] : il est présenté par la modalité TDF4.


[5,81 ; 7,15] : il est présenté par la modalité TDF6.

- Variable Nombre de Morts (NbM) :

Si le pays a un nombre de morts de :

[1 ; 10[ : il est présenté par la modalité NbM1.

[10 ; 41,1[ : il est présenté par la modalité NbM2.

[41,1 ; 124,3[ : il est présenté par la modalité NbM3.

[124,3 ; 185,95] : il est présenté par la modalité NbM4.

[185,95 ; 309,25[ : il est présenté par la modalité NbM5.

[309,25 ; 2497] : il est présenté par la modalité NbM6.

- Variable Taux de Reproduction Nette (TRN) :

Si le pays appartient à la tranche (en pourcentage) :

[0,85 ; 1,29 [ : il est présenté par la modalité TRN1.

[1,29 ; 1,68[ : il est présenté par la modalité TRN2.


[1,88 ; 1,99] : il est présenté par la modalité TRN4.


[2,1 ; 2,69] : il est présenté par la modalité TRN6.

- Variable Migration Nette (MgN) :

Si le pays appartient à la tranche:

[-85 ; -32,5 [ : il est présenté par la modalité MgN1.

[-32,5 ; -10[ : il est présenté par la modalité MgN2.

[-10 ; -2[ : il est présenté par la modalité MgN3.

[-2 ; 0] : il est présenté par la modalité MgN4.

[0 ; 5[ : il est présenté par la modalité MgN5.

[5 ; 65] : il est présenté par la modalité MgN6.

16

- Variable Age Médian (AgM) :


[15,5 ; 17,02 [ : il est présenté par la modalité AgM1.

[17,02; 18,03[ : il est présenté par la modalité AgM2.

[18,03; 18,54[ : il est présenté par la modalité AgM3.

[18,54 ; 19,05] : il est présenté par la modalité AgM4.

[19,05 ; 20,82[ : il est présenté par la modalité AgM5.

[20,82 ; 30,70] : il est présenté par la modalité AgM6.

- Variable Taux de Dépendance (TDD) :


[45 ; 71,55 [ : il est présenté par la modalité TDD1.

[71,55 ; 80,4[ : il est présenté par la modalité TDD2.

[80,4 ; 82,37[ : il est présenté par la modalité TDD3.

[82,37 ; 86,3] : il est présenté par la modalité TDD4.

[86,3; 91[ : il est présenté par la modalité TDD5.

[91 ; 104] : il est présenté par la modalité TDD6.

- Variable PIB :

Si le pays a un PIB entre (PIB) :

[300 ; 796,6[ : il est présenté par la modalité PIB1.

[796,6 ; 1193,2[ : il est présenté par la modalité PIB2.

[1193,2 ; 1541,5[ : il est présenté par la modalité PIB3.

[1541,5 ; 2162,25] : il est présenté par la modalité PIB4.

[2162,25; 3403,73[ : il est présenté par la modalité PIB5.

[3403,73 ; 12715] : il est présenté par la modalité PIB6.

On a traduit les modalités en tableau disjonctif complet qui figure en ANNEXE 2

17

IV- Analyse des données : 1. Saisie du tableau disjonctif sur UNIX : Utilisation de ANCORR

La saisie du tableau disjonctif se fait sur bloc note au format TXT en veillant à définir le

format d’affichage, les sorties demandées, le nombre de lignes et de colonnes etc.

Cette saisie du tableau disjonctif complet se fait en respectant des règles bien précises en

vue de son traitement par le logiciel ANCORR.

- Pour l’identificateur des lignes on réservera quatre caractères.

- Tous les 1 et les 0 du tableau seront précédés par un point pour être reconnus par le logiciel

comme étant des nombres réels.

TITRE:ETUDE DEMOGRAPHIQUE COMPARATIVE DES PAYS D'AFRIQUE 48 42 7 1 1 1 1 1

1201 4201 1210 4211 1211 4211

TDF1TDF2TDF3TDF4TDF5TDF6NbM1NbM2NbM3NbM4NbM5NbM6TRN1TRN2TRN3TRN4TRN5TRN6MgN1MgN2

MgN3MgN4MgN5MgN6AgM1AgM2AgM3AgM4AgM5AgM6TDD1TDD2TDD3TDD4TDD5TDD6PIB1PIB2PIB3PIB4

PIB5PIB6

(a4,1x,42f2.0) ALGR 1.0.0.0.0.0.0.0.0.1.0.0.1.0.0.0.0.0.0.1.0.0.0.0.0.0.0.0.0.1.1.0.0.0.0.0.0.0.0.0.0.1. ANGO 0.0.0.0.1.0.0.0.0.0.1.0.0.0.0.0.1.0.0.0.0.0.0.1.1.0.0.0.0.0.0.0.0.0.0.1.0.0.0.0.1.0. BENN 0.0.0.0.1.0.0.0.1.0.0.0.0.0.0.0.0.1.0.0.0.0.0.1.0.1.0.0.0.0.0.0.0.0.1.0.0.1.0.0.0.0. BOTS 1.0.0.0.0.0.0.1.0.0.0.0.1.0.0.0.0.0.0.0.0.0.1.0.0.0.0.0.0.1.1.0.0.0.0.0.0.0.0.0.0.1. MARO 1.0.0.0.0.0.0.0.0.1.0.0.1.0.0.0.0.0.1.0.0.0.0.0.0.0.0.0.0.1.1.0.0.0.0.0.0.0.0.0.0.1. MAUR 1.0.0.0.0.0.1.0.0.0.0.0.1.0.0.0.0.0.0.0.0.1.0.0.0.0.0.0.0.1.1.0.0.0.0.0.0.0.0.0.0.1. MART 0.0.1.0.0.0.0.1.0.0.0.0.0.0.1.0.0.0.0.0.0.0.1.0.0.0.0.0.1.0.0.1.0.0.0.0.0.0.0.0.1.0. TUNI 1.0.0.0.0.0.0.0.1.0.0.0.1.0.0.0.0.0.0.0.1.0.0.0.0.0.0.0.0.1.1.0.0.0.0.0.0.0.0.0.0.1. ZAMB 0.0.0.0.0.1.0.0.0.0.1.0.0.0.0.0.1.0.0.1.0.0.0.0.1.0.0.0.0.0.0.0.0.0.0.1.0.1.0.0.0.0. ZIMB 0.1.0.0.0.0.0.0.0.0.1.0.1.0.0.0.0.0.1.0.0.0.0.0.0.0.1.0.0.0.0.0.1.0.0.0.0.0.0.1.0.0.

Le document complet est donné en annexe (voir Annexe 3).

18

2. Résultats de l’analyse :

Nous avons utilisé le logiciel FTP Expert pour envoyer le fichier à traiter au serveur ibnsina

(ibnsina.emi.ac.ma). Les résultats obtenus sont présentés dans tableaux et des graphiques. (voir

Annexe 4)

3. Synthèse :

Dans cette partie on essayera d’interpréter les résultats obtenus au niveau d’ANCOR.

a. Graphe des indicateurs :

+-------------------------------------------------------TDF3AgM4--------------------------------------------------------+ 0 0 1

! ! ! 0 0 1

! TDD4! TRN3 ! 0 0 1

! ! ! 0 0 1

! ! ! 0 0 1

! ! TDD2 ! 0 0 1

! ! ! 0 0 1

! TDD3 ! 0 0 1

! ! ! 0 0 1

! TDF4 ! AgM5 ! 1 0 1

! MgN6 NbM3 PIB4 PIB5 MgN5 ! 0 0 1

! TRN4 AgM3 ! NbM2 ! 0 0 1

! ! TDF2 ! 0 0 1

! ! ! 0 0 1

! ! ! 0 0 1

! ! TRN2 ! 0 0 1

! ! ! 0 0 1

! PIB2 ! ! 0 0 1

! ! ! 0 0 1

! PIB3 ! ! 0 0 1

! TRN5 ! ! 0 0 1

! ! ! 0 0 1

! ! ! 0 0 1

! ! MgN4 ! 0 0 1

! TDF5TDD5 ! ! 0 0 1

+---------------------------------------NbM6------------+---------------------------------------------------------------+ 0 0 1

! AgM2 ! ! 0 0 1

! ! ! 0 0 1

! ! MgN3 ! 0 0 1

! NbM5 ! ! 0 0 1

! ! ! 0 0 1

! ! ! 0 0 1

! MgN1 ! NbM1 ! 0 0 1

! ! ! 0 0 1

! ! ! 0 0 1

! ! ! 0 0 1

! ! ! 0 0 1

! ! ! 0 0 1

! ! ! 0 0 1

! MgN2 ! ! 0 0 1

! ! ! 0 0 1

! ! ! 0 0 1

! ! PIB6 ! 0 0 1

! ! ! 0 0 1

! ! ! 0 0 1

! ! ! 0 0 1

! PIB1 ! ! 0 0 1

! NbM4 ! ! 0 0 1

! ! ! 0 0 1

! ! ! 0 0 1

! ! TRN1 ! 0 0 1

! TRN6 ! TDD1! 0 0 1

! ! ! 0 0 1

TDD6 ! ! 0 0 1

! ! ! 0 0 1

! ! ! 0 0 1

AgM1 ! ! 0 0 1

! ! TDF1! 0 0 1

! ! ! 0 0 1

TDF6 ! ! 0 0 1

! ! ! 0 0 1

! ! AgM6! 0 0 1

+-------------------------------------------------------+---------------------------------------------------------------+ 0 0 1

On remarque que la plupart des variables sont corrélées :

TDF, TDD et TRN sont directement corrélées,

PIB et AgM sont aussi corrélées,

Cependant (PIB et AgM) sont inversement corrélées avec (TDF, TDD et TRN)

19

b. Graphe des indicateurs et pays :

+---------------------------------------------------+---TDF3------------------------------------------------------------+ 1 0 1

! ! AgM4 MART ! 0 0 1

! TDD4 TRN3 ! 0 0 1

! ERIT GAMBSOUD ! 1 0 1

! ! CEAF ! 0 1 1

! SILE CAMR TDD2 ! 0 0 1

! CONG! ! 0 0 1

! ! TDD3 SAOT ! 0 0 1

! MgN6 ! ! 0 0 1

! TDF4 GIBI BURU AgM5 ! 0 0 1

! AgM3NbM3! PIB4 PIB5 MgN5NbM2 ! 0 0 1

! TRN4 COIV! GABN ! 1 0 1

! KENY ! GANA TDF2 ! 0 0 1

! NIGR ! NAMB ! 0 0 1

! ! LESO SWAZ ! 0 0 1

! ! TRN2 ! 0 0 1

! PIB2 LIBR ! ! 0 0 1

! MOZA ! ! 0 0 1

! ! ! 0 0 1

! PIB3 RWND ! COMO ! 0 0 1

! TRN5 ! ZIMB DJIB ! 0 0 1

! BENN MDGC ! ! 0 0 1

! MALI GINE ! MgN4 ! 0 0 1

! TDF5 ! ! 1 0 1

+-------------------TDD5----SENE----NbM6------------+-------------------------------------------------------------------+ 0 0 1

! AgM2 ! ! 0 0 1

! ! ! 0 0 1

! ! MgN3 CAPV ! 0 0 1

! ETHI NbM5 ! ! 0 0 1

! ANGO ! ! 0 0 1

! ! ! 0 0 1

! MgN1 ! NbM1 ! 0 0 1

! ! ! 0 0 1

! ! ! 0 0 1

! ! ! 0 0 1

! ! ! 0 0 1

! ! ! 0 0 1

! MgN2 ! ! 0 0 1

! ! ! 0 0 1

! ! ! 0 0 1

! ! ! 0 0 1

! ! PIB6 ! 0 0 1

! ZAMB ! ! 0 0 1

! ! ! 0 0 1

! PIB1 ! EGYP BOTS ! 0 0 1

! SOML NbM4 ! ! 0 0 1

! ! ! 0 0 1

! ! TUNI ! 0 0 1

! MALW ! TRN1 ! 0 0 1

! BURK ! ! 1 0 1

! TRN6 ! TDD1MAUR! 0 0 1

TDD6 NIGE ! REUN ! 0 0 1

! CHAD ! ! 0 0 1

! DRCO ! ! 0 0 1

AgM1 ! ! 0 0 1

! ! MARO TDF1 ! 0 0 1

! ! ALGR ! 0 0 1

TDF6 ! ! 0 0 1

! ! ! 0 0 1

! ! AgM6! 0 0 1

+---------------------------------------------------+-------------------------------------------------------------------+ 0 0 1

Constatations :

- Les pays de la zone 1, sont les pays les plus développés, ils sont caractérisés par :

o (PIB et AgM) élevés,

o (TDF, TDD et TRN) faibles par rapport aux autres pays.

- Les pays de la zone 2, pays moyens, et qui sont caractérisés par :

o Des indicateurs moyens

- Les pays les moins développés, regroupés dans la 3ème zone, qui se caractérisent par :

o (PIB et AgM) très bas,

o (TDF, TDD et TRN) très élevés.

20

4. Utilisation de Sphinx : a. Saisie des données :

Interface :

Elaboration du questionnaire

21

Saisie des données :

48 Réponses à l'enquête Analyse :

1.TDF 2.NbM 3.TRN 4.MgN 5.AgM 6.TDD 7.PIB

n° 1 1 4 1 2 6 1 6

n° 2 5 5 5 6 1 6 5

n° 3 5 3 6 6 2 5 2

n° 4 1 2 1 5 6 1 6

n° 5 6 5 6 2 1 6 3

n° 6 3 3 2 6 3 2 1

n° 7 3 5 3 3 4 4 5

n° 8 1 1 2 3 5 2 6

n° 9 4 3 2 5 4 4 3

n° 10 2 1 3 3 5 1 4

n° 11 6 4 6 2 1 6 3

n° 12 3 3 3 2 4 3 3

n° 13 3 5 4 2 5 3 4

n° 14 6 6 6 2 1 6 1

n° 15 2 1 2 4 5 1 5

n° 16 1 6 2 1 6 1 6

n° 17 3 3 5 6 4 2 2

n° 18 5 6 5 1 2 6 2

n° 19 2 2 2 5 5 2 6

n° 20 4 2 5 5 4 4 4

n° 21 3 5 2 2 5 2 5

n° 22 5 3 6 1 3 5 5

n° 23 5 2 4 3 4 4 2

n° 24 4 6 4 1 3 4 3

n° 25 2 2 1 3 4 3 5

n° 26 4 2 5 6 3 5 1

n° 27 4 4 4 4 2 5 2

n° 28 5 4 6 3 1 6 1

n° 29 5 5 4 1 2 5 2

n° 30 1 4 1 1 6 1 6

n° 31 1 1 1 4 6 1 6

n° 32 3 2 3 5 5 2 5

n° 33 4 6 3 3 2 5 3

n° 34 2 2 2 4 5 2 6

n° 35 6 5 6 3 1 6 1

n° 36 5 6 3 1 3 4 2

n° 37 1 1 1 4 6 1 1

n° 38 5 4 4 5 2 3 3

n° 39 2 1 3 4 4 4 5

n° 40 4 4 5 2 2 5 4

22

n° 41 4 3 4 6 3 3 2

n° 42 6 4 6 1 2 5 1

n° 43 3 6 3 6 5 2 4

n° 44 2 2 2 4 3 3 6

n° 45 3 3 3 4 4 3 3

n° 46 1 3 1 3 6 1 6

n° 47 6 5 5 2 1 6 2

n° 48 2 5 1 1 3 3 4

b. Résultats :

Les résultats sont donc similaires à ce qu’on a déjà trouvé.

23

V- Conclusion :

On a pu tout au long de ce rapport mettre en évidence la simplicité de la technique utilisée et

qui, comme on l’a constaté, fournit des résultats assez cohérents et pertinents puisqu’on a classifié

les quarante-huit pays en trois catégories majeurs où chaque catégorie se caractérise par des

spécifications propre à elle.

Rapport Analyse de Données

Documents

Transcript of Rapport Analyse de Données