L’Analyse Discriminante Bayésienne (ADB) permet de construire à partir d’un ensemble de variables quantitatives et d’une variable qualitative découpant la population en plusieurs groupes (2 ou plus), des fonctions discriminantes qui définissent une règle de décision optimale à partir de laquelle on peut affecter des individus de validation et de prévision aux différents groupes.
Cette technique suppose que l’on connaisse a priori les probabilités d’appartenance aux différents groupes et que les données suivent une loi multi-normale.
La méthode proposée permet de traiter les cas linéaire (égalité des matrices de variances) et quadratique (non-égalité des matrices de variances).
L’entrée des probabilités a priori est proposée. Par défaut, le système utilise les probabilités issues des fréquences des groupes dans les données entrées.
En fonction des données et des paramètres définis par l’utilisateur, l’analyse ADB réalise automatiquement les études de la population d’apprentissage et des éventuelles populations de validation et de prévision.
De façon plus précise, la méthode peut se décomposer en trois étapes. Supposons une population de n individus. Découpons cette population en trois sous-populations de tailles n1, n2 et n3 avec n1 + n2 + n3 = n. Les trois étapes sont une étude initiale sur la population d’apprentissage de taille n1 puis une étude de validation sur la population de validation de taille n2 et enfin une étude prospective sur une population de prévision de taille n3.
Des tableaux résumés et détaillés des classements sont calculés.
Le tracé de plans factoriels et un rapport général de synthèse sont proposés.
