méthode Statis-analyse factorielle discriminante
result = statislda(Xtab,Y,(RV));
les différents tableaux de données, sous forme d'une liste
Xtab(i) est une matrice de dimensions (n x pi) ou une structure div
la somme des pi donne p
la classe de chaque observation
Y est un vecteur conjonctif, ou une matrice disjonctive, ou une structure Div de données conjonctives ou disjonctives
t: normalisation de la matrice C
f: pas de normalisation (par défaut)
axes de Statis-LDA
result.p.d est une matrice de dimensions (p x n_axes)
les coordonnées des observations selon les axes de Statis-LDA
result.t.d est une matrice de dimensions (n x n_axes)
les coordonnées des centres de gravité des q tables
result.tg.d est une matrice de dimensions (q x n_axes)
les normes des q opérateurs associés aux LDA de (Xi, Y)
result.normw.i est un vecteur de dimensions (q x 1)
matrice des produits scalaires entre les q opérateurs
result.cmatrix.d est une matrice de dimensions (q x q)
vecteurs-propres de cmatrix
result.cmatrix_eigenvec.d est une matrice de dimensions (q x q)
coefficients du compromis après diagonalisation de cmatrix
result.cc.d est un vecteur de dimensions (q x 1)
la matrice de variance-covariance du compromis
result.vtot.d est une matrice de dimensions (p x p)
vecteurs propres de vtot
result.vtot_eigenvec.d est une matrice de dimensions (p x n_axes)
valeurs-propres de vtot
result.vtot_eigenval.d est un vecteur de dimensions (n_axes x 1)
moyenne de la matrice des données concaténées selon les colonnes
result.xconc_mean.d est un vecteur de dimensions (p x 1)