Groupe dans lequel une observation est réellement classée. Le groupe vrai est déterminé d'après les valeurs de la colonne de groupement de la feuille de travail.
Pour évaluer le classement des observations dans chaque groupe, comparez les groupes où les observations ont été placées avec leurs groupes vrais.
Mettre dans groupe | Groupe vrai | ||
---|---|---|---|
1 | 2 | 3 | |
1 | 59 | 5 | 0 |
2 | 1 | 53 | 3 |
3 | 0 | 2 | 57 |
Nombre total | 60 | 60 | 60 |
N correct | 59 | 53 | 57 |
Proportion | 0,983 | 0,883 | 0,950 |
La colonne 2 de ce tableau Récapitulatif du classement indique que 53 observations du groupe 2 lui ont été correctement affectées. En revanche, 5 observations du groupe 2 ont été placées dans le groupe 1 et 2 observations du groupe 2 ont été placées dans le groupe 3. Ainsi, 7 des observations du groupe 2 ont été classées à tort dans d'autres groupes.
Observation | Groupe vrai | Groupe de préd. | Groupe | Distance quadratique | Probabilité |
---|---|---|---|---|---|
4** | 1 | 2 | 1 | 3,524 | 0,438 |
2 | 3,028 | 0,562 | |||
3 | 25,579 | 0,000 | |||
65** | 2 | 1 | 1 | 2,764 | 0,677 |
2 | 4,244 | 0,323 | |||
3 | 29,419 | 0,000 | |||
71** | 2 | 1 | 1 | 3,357 | 0,592 |
2 | 4,101 | 0,408 | |||
3 | 27,097 | 0,000 | |||
78** | 2 | 1 | 1 | 2,327 | 0,775 |
2 | 4,801 | 0,225 | |||
3 | 29,695 | 0,000 | |||
79** | 2 | 1 | 1 | 1,528 | 0,891 |
2 | 5,732 | 0,109 | |||
3 | 32,524 | 0,000 | |||
100** | 2 | 1 | 1 | 5,016 | 0,878 |
2 | 8,962 | 0,122 | |||
3 | 38,213 | 0,000 | |||
107** | 2 | 3 | 1 | 39,0226 | 0,000 |
2 | 7,3604 | 0,032 | |||
3 | 0,5249 | 0,968 | |||
116** | 2 | 3 | 1 | 31,898 | 0,000 |
2 | 7,913 | 0,285 | |||
3 | 6,070 | 0,715 | |||
123** | 3 | 2 | 1 | 30,164 | 0,000 |
2 | 5,662 | 0,823 | |||
3 | 8,738 | 0,177 | |||
124** | 3 | 2 | 1 | 26,328 | 0,000 |
2 | 4,054 | 0,918 | |||
3 | 8,887 | 0,082 | |||
125** | 3 | 2 | 1 | 28,542 | 0,000 |
2 | 3,059 | 0,521 | |||
3 | 3,230 | 0,479 |
La ligne 1 de ce tableau Récapitulatif des observations mal classées indique que l'observation 4 devait appartenir au groupe 2 selon les prévisions, mais appartient en fait au groupe 1.
Groupe auquel une observation est censée appartenir d'après les prévisions de l'analyse discriminante.
Pour évaluer le classement des observations dans chaque groupe, comparez les groupes où les observations ont été placées avec leurs groupes vrais. Par exemple, la ligne 2 du tableau Récapitulatif du classement ci-dessous indique qu'un total de 57 observations (1 + 53 + 3) ont été mises dans le groupe 2. Sur ces 57 observations, 53 ont été correctement affectées. Toutefois, 1 observation qui a été placée dans le groupe 2 appartenait en réalité au groupe 1, et 3 observations appartenaient au groupe 3. Par conséquent, 4 des observations prévues comme appartenant au groupe 2 provenaient en fait d'autres groupes.
Mettre dans groupe | Groupe vrai | ||
---|---|---|---|
1 | 2 | 3 | |
1 | 59 | 5 | 0 |
2 | 1 | 53 | 3 |
3 | 0 | 2 | 57 |
Nombre total | 60 | 60 | 60 |
N correct | 59 | 53 | 57 |
Proportion | 0,983 | 0,883 | 0,950 |
Nombre total d'observations figurant dans chaque groupe vrai.
Nombre d'observations correctement placées dans chaque groupe vrai. Minitab affiche le N correct pour chaque groupe vrai et le N correct total pour tous les groupes.
Utilisez la valeur du N correct pour connaître le nombre d'observations de votre fichier de données appartenant au groupe auquel elles ont été affectées selon les prévisions. Par exemple, pour le groupe 1, supposons que la valeur du N correct soit 52 et que le N total soit 60. Cela suggère que 60 valeurs sont identifiées comme appartenant au groupe 1, d'après les valeurs de la colonne de groupement de la feuille de travail. Sur ces 60 observations, 52 sont censées appartenir au groupe 1, d'après la fonction discriminante utilisée pour l'analyse. Le nombre d'observations placées correctement dans chaque groupe vrai est donc égal à 52.
Proportion d'observations correctement placées dans chaque groupe vrai.
Utilisez la proportion d'observations correctement placées dans chaque groupe pour déterminer si vos observations sont bien classées. Par exemple, les proportions du tableau Récapitulatif du classement fournissent les indications suivantes :
Par conséquent, c'est le classement des observations dans le groupe 2 qui présente le plus de problèmes.
Mettre dans groupe | Groupe vrai | ||
---|---|---|---|
1 | 2 | 3 | |
1 | 59 | 5 | 0 |
2 | 1 | 53 | 3 |
3 | 0 | 2 | 57 |
Nombre total | 60 | 60 | 60 |
N correct | 59 | 53 | 57 |
Proportion | 0,983 | 0,883 | 0,950 |
Nombre de valeurs présentes dans le fichier de données. N est égal au nombre total d'observations dans tous les groupes.
Proportion de classements corrects pour tous les groupes. Cette valeur est égale au nombre d'observations correctement placées (N Correct) divisé par le nombre total d'observations (N).
Distance quadratique entre le centre d'un groupe (moyenne) et celui d'un autre groupe (moyenne). Une observation est classée dans un groupe si sa distance quadratique (également appelée distance de Mahalanobis) au centre du groupe (moyenne) est le minimum.
Si vous utilisez la fonction quadratique, Minitab affiche le tableau Distance quadratique généralisée. Pour plus d'informations sur le calcul des distances quadratiques pour chaque fonction, reportez-vous à la rubrique Distance et fonctions discriminantes pour la fonction Analyse discriminante.
Bien que les valeurs de distances fournissent peu d'informations, vous pouvez comparer les distances pour observer les différences entre les groupes. Par exemple, les résultats suivants indiquent que la distance entre les groupes 1 et 3 est la plus importante (48,0911). La différence entre les groupes 1 et 2 est de 12,9853 et celle entre les groupes 2 et 3 est de 11,3197.
1 | 2 | 3 | |
---|---|---|---|
1 | 0,0000 | 12,9853 | 48,0911 |
2 | 12,9853 | 0,0000 | 11,3197 |
3 | 48,0911 | 11,3197 | 0,0000 |
La fonction discriminante linéaire pour les groupes indique l'équation linéaire associée à chaque groupe. Les scores discriminants linéaires de chaque groupe correspondent aux coefficients de régression dans l'analyse de régression multiple.
Les groupes comportant la fonction discriminante linéaire la plus grande, ou les coefficients de régression les plus grands, contribuent le plus au classement des observations. Par exemple, dans les résultats suivants, le groupe 1 comporte la fonction discriminante linéaire la plus importante (17,4) pour les scores de tests, ce qui indique que les scores de tests du groupe 1 contribuent plus que ceux des groupes 2 ou 3 au classement de l'appartenance aux groupes. Le groupe 3 a la fonction discriminante linéaire la plus importante pour la motivation, ce qui indique que les scores de motivation du groupe 3 contribuent plus que ceux des groupes 1 ou 2 au classement de l'appartenance aux groupes.
1 | 2 | 3 | |
---|---|---|---|
Constante | -9707,5 | -9269,0 | -8921,1 |
Score du test | 17,4 | 17,0 | 16,7 |
Motivation | -3,2 | -3,7 | -4,3 |
La moyenne de regroupement est la moyenne pondérée des moyennes de chaque groupe vrai. Pour afficher la moyenne de regroupement, vous devez cliquer sur Options et sélectionner Résultats ci-dessus plus moyenne, écarts types et récapitulatif des covariances lorsque vous effectuez l'analyse.
Utilisez la moyenne de regroupement pour décrire le centre de toutes les observations dans les données. Par exemple, dans les résultats suivants, la moyenne globale des scores de tests pour tous les groupes est égale à 1102,1.
Moyenne de regroupement | Moyennes du groupe | |||
---|---|---|---|---|
Variable | 1 | 2 | 3 | |
Score du test | 1102,1 | 1127,4 | 1100,6 | 1078,3 |
Motivation | 47,056 | 53,600 | 47,417 | 40,150 |
Somme des valeurs dans chaque groupe véritable divisée par le nombre de valeurs (présentes) dans chacun de ces groupes. Pour afficher les moyennes des groupes, vous devez cliquer sur Options et sélectionner Résultats ci-dessus plus moyenne, écarts types et récapitulatif des covariances lorsque vous effectuez l'analyse.
Utilisez les moyennes de groupes pour décrire chaque vrai groupe avec une seule valeur représentant le centre des données. Par exemple, dans les résultats suivants, le groupe 1 a le score de test moyen le plus élevé (1127,4), tandis que le groupe 3 a le plus faible (1078,3). Le score de test moyen pour le groupe 2 est au milieu (1100,6).
Moyenne de regroupement | Moyennes du groupe | |||
---|---|---|---|---|
Variable | 1 | 2 | 3 | |
Score du test | 1102,1 | 1127,4 | 1100,6 | 1078,3 |
Motivation | 47,056 | 53,600 | 47,417 | 40,150 |
L'écart type regroupé est une moyenne pondérée des écarts types de chaque groupe vrai. Pour afficher l'écart type regroupé, vous devez cliquer sur Options et sélectionner Résultats ci-dessus plus moyenne, écarts types et récapitulatif des covariances lorsque vous effectuez l'analyse.
Utilisez l'écart type regroupé pour déterminer la dispersion des points de données individuels par rapport à la moyenne de leur groupe vrai. Par exemple, dans les résultats suivants, l'écart type regroupé des scores de tests de l'ensemble des groupes est égal à 8,109.
Ecart type de regroupement | EcTyp du groupe | |||
---|---|---|---|---|
Variable | 1 | 2 | 3 | |
Score du test | 8,109 | 8,308 | 9,266 | 6,511 |
Motivation | 2,994 | 2,409 | 3,243 | 3,251 |
Mesure la plus courante de la dispersion des données par rapport à la moyenne. L'écart type des groupes est l'écart type de chaque vrai groupe. Pour afficher les écarts types des groupes, vous devez cliquer sur Options et sélectionner Résultats ci-dessus plus moyenne, écarts types et récapitulatif des covariances lorsque vous effectuez l'analyse.
Utilisez l'écart type des groupes pour déterminer la dispersion des données par rapport à la moyenne dans chaque véritable groupe. Par exemple, dans les résultats suivants, les scores de tests du groupe 2 présentent l'écart type le plus important (9,266). Cela indique que les scores de tests du groupe 2 ont la variabilité la plus élevée des trois groupes. Le groupe 3 a le plus petit écart type (6,511) et la variabilité la plus faible entre les scores de tests des trois groupes.
Ecart type de regroupement | EcTyp du groupe | |||
---|---|---|---|---|
Variable | 1 | 2 | 3 | |
Score du test | 8,109 | 8,308 | 9,266 | 6,511 |
Motivation | 2,994 | 2,409 | 3,243 | 3,251 |
Matrice pondérée de la relation entre toutes les observations dans tous les groupes. La matrice de covariance de regroupement est obtenue en calculant la moyenne des matrices de covariance du groupe élément par élément.
Pour afficher la matrice de covariance groupée, vous devez cliquer sur Options et sélectionner Résultats ci-dessus plus moyenne, écarts types et récapitulatif des covariances lorsque vous effectuez l'analyse.
Matrice non normalisée indiquant la relation entre chaque paire de variables. La covariance est semblable au coefficient de corrélation, qui est égal à la covariance divisée par le produit des écarts types des variables.
Pour afficher la matrice de covariance de chaque groupe, vous devez cliquer sur Options et sélectionner Résultats ci-dessus plus moyenne, écarts types et récapitulatif des covariances lorsque vous effectuez l'analyse.
Numéro de chaque observation. Le numéro d'observation correspond à la ligne de l'observation classée dans la feuille de travail Minitab. Minitab affiche les symboles ** après le numéro d'observation si celle-ci est mal classée (autrement dit, si le groupe vrai est différent du groupe prévu).
Pour afficher le groupe prévu et le groupe vrai pour les observations de votre fichier de données, vous devez cliquer sur Options et sélectionner Résultats ci-dessus plus récapitulatif complet des classements lorsque vous effectuez l'analyse.
Le groupe prévu pour chaque observation correspond à l'appartenance au groupe affectée par Minitab à l'observation en fonction de la distance quadratique prévue. Pour afficher le groupe prévu et le groupe vrai pour chaque observation de votre fichier de données, vous devez cliquer sur Options et sélectionner Résultats ci-dessus plus récapitulatif complet des classements lorsque vous effectuez l'analyse.
Comparez le groupe prévu au groupe vrai pour chaque observation afin de déterminer si l'observation a été classée correctement. Si le groupe prévu est significativement différent du groupe vrai, l'observation a été mal classée.
Le groupe prévu avec la validation croisée (Valeur X) correspond à l'appartenance au groupe affectée par Minitab à l'observation en fonction de la distance quadratique prévue avec la validation croisée. Pour afficher le groupe prévu avec la validation croisée pour chaque observation, vous devez sélectionner Utiliser la validation croisée dans la boîte de dialogue principale, puis cliquer sur Options et sélectionner Résultats ci-dessus plus récapitulatif complet des classements lorsque vous effectuez l'analyse.
Comparez le groupe prévu avec la validation croisée et le groupe vrai pour chaque observation afin de déterminer si l'observation a été classée correctement. Si le groupe prévu avec la validation croisée est différent du groupe vrai, l'observation a été mal classée.
Le groupe prévu avec la validation croisée omet une observation pour créer la règle de discrimination, puis pour déterminer si la règle fonctionne bien pour cette observation spécifique. Lorsque vous n'utilisez pas la validation croisée, vous biaisez la règle de discrimination en utilisant cette observation pour créer la règle.
Valeurs prévues de la distance quadratique pour chaque observation de chaque groupe. La valeur de distance quadratique indique l'éloignement de l'observation à partir de la moyenne de chaque groupe. Pour afficher la distance quadratique pour chaque observation dans vos données, vous devez cliquer sur Options et sélectionner Résultats ci-dessus plus récapitulatif complet des classements lorsque vous effectuez l'analyse.
Si vous utilisez la validation croisée lorsque vous effectuez l'analyse, Minitab calcule la distance quadratique prévue pour chaque observation avec et sans la validation croisée (Valeur X et Prév, respectivement). Pour plus d'informations sur le calcul des distances quadratiques, reportez-vous à la rubrique Distance et fonctions discriminantes pour la fonction Analyse discriminante.