Commit 2869b6c0 authored by Bakaniko's avatar Bakaniko

Conclusion +présentation

parent 496c25ba
This diff is collapsed.
No preview for this file type
......@@ -32,7 +32,7 @@ class: center, middle
### Master 2ème année Parcours Géomatique, géodécisionnel, géomarketing et multimédia (G2M)
![:scale 50%](../images/mainlogo.png)
![:scale 40%](../images/mainlogo.png)
---
class: inverse, center, middle
......@@ -61,37 +61,65 @@ Soit plus de 22 millions de lignes
## données 2010
* 32 fichiers xls
* agrégées au *Municipe*
* préparés mais pas exploités
---
# Préparation des données
### Filtrage
## choix des variables
Zone d'étude limitée à la Zone Urbaine de Mexico:
* 76 *municipes*:
- 34 variables dont 30 qualitatives
- 230 modalités
---
class: inverse, center, middle
# Préparation des données
## choix des variables
# Analyse des données
---
# Analyse en Composantes Principales
![biplot :scale 90%](../images/ACP/)
---
# Analyse en Composantes Principales
![:scale 90%](../images/ACP/ACP_Carto_QGIS.jpg)
---
class: inverse, center, middle
# Analyse des données
# Classification Ascendante Hiérarchique
---
# Classification Ascendante Hiérarchique
![:scale 100%](images/CAH_3.jpg)
---
# Analyse en Composantes Principales
# Classification Ascendante Hiérarchique
![:scale 90%](../images/CAH/CAH_Carto_QGIS.jpg)
---
class: inverse, center, middle
# Analyse factorielle des correspondances
---
# Analyse factorielle des correspondances
une diapo
![:scale 90%](images/NIVACAD.jpg)
---
# Analyse factorielle des correspondances
Une autre diapo
![:scale 90%](../images/AFC/AFC_NIVACAD.jpeg)
---
# Analyse factorielle des correspondances
![:scale 90%](images/CLAVIVP.jpg)
---
# Classification ascendante hiérarchique
# Analyse factorielle des correspondances
![:scale 90%](../images/AFC/AFC_CLAVIVP.jpeg)
---
class: inverse, center, middle
......@@ -100,7 +128,7 @@ class: inverse, center, middle
---
# Outils
- Mise en forme des données: [Python/pandas](http://pandas.pydata.org/)
- Analyse: [R]()
- Analyse: [R](https://fr.wikipedia.org/wiki/R_(langage), notamment [FactoMineR](http://factominer.free.fr/index.html) et [FactoExtra](https://cran.r-project.org/web/packages/factoextra/index.html)
- Rapport écrit: [liftr](https://liftr.me/)
- présentation de la soutenance: [Xaringan]()
- Site internet: [blogdown](https://bookdown.org/yihui/blogdown/)
......@@ -111,9 +139,26 @@ class: inverse, center, middle
---
# Conclusion
Opposition entre:
- noyau central plus éduqué
- plus citadin (part des appartement plus importante)
- moins de personnes par foyer
- part des gens ayant un emploi plus importante
- une périphérie
- plus rurale
- niveau d'éducation moindre,
- taux d'équipement plus faible
- logement de type maison isolée mais sol en béton de ciment
- nombre de personnes dans le foyer plus important
---
# Aller plus loin
## Analyse
- étudier d'autres variables plus liées à l'individu
- comparaison avec les données de 2010
- évaluer les populations impactées par le seisme de septembre 2017
......
......@@ -41,7 +41,7 @@ class: center, middle
### Master 2ème année Parcours Géomatique, géodécisionnel, géomarketing et multimédia (G2M)
![:scale 50%](../images/mainlogo.png)
![:scale 40%](../images/mainlogo.png)
---
class: inverse, center, middle
......@@ -70,37 +70,65 @@ Soit plus de 22 millions de lignes
## données 2010
* 32 fichiers xls
* agrégées au *Municipe*
* préparés mais pas exploités
---
# Préparation des données
### Filtrage
## choix des variables
Zone d'étude limitée à la Zone Urbaine de Mexico:
* 76 *municipes*:
- 34 variables dont 30 qualitatives
- 230 modalités
---
class: inverse, center, middle
# Préparation des données
## choix des variables
# Analyse des données
---
# Analyse en Composantes Principales
![biplot :scale 90%](../images/ACP/)
---
# Analyse en Composantes Principales
![:scale 90%](../images/ACP/ACP_Carto_QGIS.jpg)
---
class: inverse, center, middle
# Analyse des données
# Classification Ascendante Hiérarchique
---
# Classification Ascendante Hiérarchique
![:scale 100%](images/CAH_3.jpg)
---
# Analyse en Composantes Principales
# Classification Ascendante Hiérarchique
![:scale 90%](../images/CAH/CAH_Carto_QGIS.jpg)
---
class: inverse, center, middle
# Analyse factorielle des correspondances
---
# Analyse factorielle des correspondances
une diapo
![:scale 90%](images/NIVACAD.jpg)
---
# Analyse factorielle des correspondances
Une autre diapo
![:scale 90%](../images/AFC/AFC_NIVACAD.jpeg)
---
# Analyse factorielle des correspondances
![:scale 90%](images/CLAVIVP.jpg)
---
# Classification ascendante hiérarchique
# Analyse factorielle des correspondances
![:scale 90%](../images/AFC/AFC_CLAVIVP.jpeg)
---
class: inverse, center, middle
......@@ -109,7 +137,7 @@ class: inverse, center, middle
---
# Outils
- Mise en forme des données: [Python/pandas](http://pandas.pydata.org/)
- Analyse: [R]()
- Analyse: [R](https://fr.wikipedia.org/wiki/R_(langage), notamment [FactoMineR](http://factominer.free.fr/index.html) et [FactoExtra](https://cran.r-project.org/web/packages/factoextra/index.html)
- Rapport écrit: [liftr](https://liftr.me/)
- présentation de la soutenance: [Xaringan]()
- Site internet: [blogdown](https://bookdown.org/yihui/blogdown/)
......@@ -120,9 +148,26 @@ class: inverse, center, middle
---
# Conclusion
Opposition entre:
- noyau central plus éduqué
- plus citadin (part des appartement plus importante)
- moins de personnes par foyer
- part des gens ayant un emploi plus importante
- une périphérie
- plus rurale
- niveau d'éducation moindre,
- taux d'équipement plus faible
- logement de type maison isolée mais sol en béton de ciment
- nombre de personnes dans le foyer plus important
---
# Aller plus loin
## Analyse
- étudier d'autres variables plus liées à l'individu
- comparaison avec les données de 2010
- évaluer les populations impactées par le seisme de septembre 2017
......
Markdown is supported
0% or
You are about to add 0 people to the discussion. Proceed with caution.
Finish editing this message first!
Please register or to comment