Méthode de Ward

Si ${\displaystyle G=\{e_{i}~:~i=\{1:n\}\}}$ est un groupe d'individus, de centre de gravité ${\displaystyle g~}$, partitionné en k classes d'effectifs ${\displaystyle n_{1},~n_{2},~..,~n_{k}}$ qu'on appellera ${\displaystyle G_{1},~G_{2},~..,~G_{k}}$ qui ont pour centres de gravité ${\displaystyle g_{1},~g_{2},~..,~g_{k}}$ alors^[1]

l'inertie totale du nuage est égale à : ${\displaystyle I_{t}={\frac {1}{n}}\sum _{i=1}^{n}d(e_{i},g)^{2}~}$ où d est une distance l'inertie interclasse est égale à : ${\displaystyle I_{e}={\frac {1}{n}}\sum _{i=1}^{k}n_{i}\times d(g_{i},g)^{2}}$ l'inertie intraclasse est égale à : ${\displaystyle I_{a}={\frac {1}{n}}\sum _{i=1}^{k}\sum _{e\in Gi}d(e,g_{i})^{2}}$

On initialise la méthode avec autant de classes que d’éléments. Chaque classe contient un unique élément. L’inertie inter est donc maximale puisqu’il n’y a pas d’inertie intra. Ensuite, on construit les clusters de manière à minimiser la diminution de l’inertie inter. En effet, l’inertie inter ne peut que diminuer lors de regroupements. À chaque étape, les deux éléments ou clusters qui seront fusionnés sont donc ceux qui minimisent la diminution de la variabilité inter : on souhaite en effet que la variabilité inter reste la plus grande possible. D’après le théorème d’Huygens, minimiser l’augmentation de l’inertie intra revient au même. Cette méthode requiert donc un nombre considérable de calculs puisqu’il est nécessaire, à chaque étape, de considérer l’ensemble des possibilités de regroupement.

Algorithmiquement, à chaque étape, il s'agit de tester l’ensemble des regroupements possibles et conserver uniquement l’opération qui minimise le résultat du calcul de suivant :

1. Déterminer le centre de gravité des clusters existants ;
2. Calculer la distance euclidienne entre chaque élément d’un cluster et le centre de gravité de ce cluster ;
3. Mettre au carrée l’ensemble de ces distances puis les sommer ;
4. Sommer les résultats obtenus en 3 pour l’ensemble des clusters.

Progressivement, les objets sont agglomérés les uns un autres en respectant ce critère jusqu’à ce que le nombre de cluster souhaité soit atteint.

 : document utilisé comme source pour la rédaction de cet article.

• Gilbert Saporta, Probabilités, analyse des données et statistiques, Paris, Éditions Technip, 2006, 622 p. (ISBN 978-2-7108-0814-5, lire en ligne). 

• Exploration de données
• Statistique multivariée
• Analyse factorielle

• DEA-ÉCO-DÉMO : cours élémentaires d'économétrie et d'analyse des données, donné à l'Institut d'études politiques de Paris

v · m Index du projet probabilités et statistiques

Théorie des probabilités Bases théoriques Principes généraux Axiomes des probabilités Espace mesurable Probabilité Événement Tribu Indépendance Variable aléatoire Espérance Variables iid Convergence de lois Théorème central limite Loi des grands nombres Théorème de Borel-Cantelli Calcul stochastique Marche aléatoire Chaîne de Markov Processus stochastique Processus de Markov Martingale Mouvement brownien Équation différentielle stochastique Lois de probabilité Lois continues Loi exponentielle Loi normale Loi uniforme Loi de Student Loi de Fisher Loi du χ² Lois discrètes Loi de Bernoulli Loi binomiale Loi de Poisson Loi géométrique Loi hypergéométrique Mélange entre statistiques et probabilités Intervalle de confiance Interprétations de la probabilité Bayésianisme Théorie des statistiques Statistiques descriptives Bases théoriques Une statistique Caractère Échantillon Erreur type Intervalle de confiance Fonction de répartition empirique Théorème de Glivenko-Cantelli Inférence bayésienne Régression linéaire Méthode des moindres carrés Analyse des données Corrélation Tableaux Tableau de contingence Tableau disjonctif complet Table de Burt Visualisation de données Histogramme Diagramme à barres Graphique en aires Diagramme circulaire Treemap Boîte à moustaches Nuage de points Graphique à bulles Diagramme en cascade Graphique en entonnoir Diagramme de Kiviat Corrélogramme Graphique en forêt Diagramme branche-et-feuille Heat map Sparkline Paramètres de position Moyenne arithmétique Mode Médiane Quantile Quartile Décile Centile Paramètres de dispersion Étendue Écart moyen Variance Écart type Déviation absolue moyenne Écart interquartile Coefficient de variation Paramètres de forme Coefficient d'asymétrie Coefficient d'aplatissement Statistiques inductives Bases théoriques Hypothèse nulle Estimateur Signification statistique Sensibilité et spécificité Courbe ROC Nombre de sujets nécessaires Valeur p Contraste (statistiques) Statistique de test Taille d'effet Puissance statistique Tests paramétriques Test d'hypothèse Test de Bartlett Test de normalité Test de Fisher d'égalité de deux variances Test d'Hausman Test d'Anderson-Darling Test de Banerji Test de Durbin-Watson Test de Goldfeld et Quandt Test de Jarque-Bera Test de Mood Test de Lilliefors Test de Wald Test T pour des échantillons indépendants Test T pour des échantillons appariés Test de corrélation de Pearson Tests non-paramétriques Test U de Mann-Whitney Test de Kruskal-Wallis Test exact de Fisher Test de Kolmogorov-Smirnov Test de Shapiro-Wilk Test de Chow Test de McNemar Test de Spearman Tau de Kendall Test Gamma Test des suites de Wald-Wolfowitz Test de la médiane Test des signes ANOVA de Friedman Concordance de Kendall Test Q de Cochran Test des rangs signés de Wilcoxon Test de Sargan Application Économétrie Mécanique statistique Jeu de hasard Biomathématique Biostatistique Mathématiques financières

• Portail des probabilités et de la statistique
• Portail des données