function Matlab_ACP()

% Analyse en Composantes Principales, Toolbox Statistic Matlab

% Charlène Carayol et Sophie Lecourtois
% Version 1.0 - Mars 2011

% La commande qui suit permet de lire le fichier excel comportant la base de

% de données avec la fonction xlsread : Donnees = xlsread('ficher.xls',
'onglet', 'matrice des données');

Donnees = xlsread('ficher.xls', 'onglet', 'matrice des donnees');

% Les lignes suivantes permettent d'attribuer chaque polluant à la colonne

% qui lui correspond dans la base de données. Par exemple, pour le PM10, la
% colonne qui lui correspond dans la base de données est la colonne 2

PM10 = Donnees(:,2); %micro_g/m3

NO2 = Donnees(:,3); %micro_g/m3
NO = Donnees(:,4); %micro_g/m3
CO = Donnees(:,5); %micro_g/m3
O3 = Donnees(:,6); %micro_g/m3
Trafic = Donnees(:,7); %nombre de voitures
Tmin = Donnees(:,8); %°C
Tmax = Donnees(:,9); %°C
Pluie = Donnees(:,10); %mm
Insol = Donnees(:,11); %h
Vent = Donnees(:;12); %m/s

% Cette ligne permet de définir les variables.

Variables = ['PM10 '; 'NO2 '; 'NO '; 'CO '; ...
'O3 '; 'Trafic '; 'Tmin '; 'Tmax '; ...
'Pluie ';'Insol '; 'Vent '];

% Cette commande permet de convertir les données numériques correspondant

% aux individus en chaîne de caractère.

Individus = num2str(Donnees(:,1));

% Donnes (:,2:12) correspondant à la matrice de données.

Donnees = Donnees(:,2:12);

% Les lignes qui suivents permettent de réaliser des boîte à moustaches

% (boxplot)sur nos variables.

figure('Name','Polluants micro-g/m3 année 2009','NumberTitle','off');

boxplot(Donnees(:,1:5),'orientation','horizontal','labels',Variables(1:5,1:5));
figure('Name','Trafic année 2009','NumberTitle','off');
boxplot(Trafic,'orientation','horizontal','labels','Trafic');
figure('Name','Tmin année 2009','NumberTitle','off');
boxplot(Tmin,'orientation','horizontal','labels','T min');
figure('Name','Tmax année 2009','NumberTitle','off');
boxplot(Tmax,'orientation','horizontal','labels','T max');
figure('Name','Pluie année 2009','NumberTitle','off');
boxplot(Pluie,'orientation','horizontal','labels','Pluie');
figure('Name','Insol année 2009','NumberTitle','off');
boxplot(Pluie,'orientation','horizontal','labels','Insol');

% La commande suivante permet de réaliser l'analyse en composantes

% principales: [COEFF,scores,latent,tsquare]=princomp(X).
% COEFF correspond à une matrice dont chaque colonne contient les
% coefficients pour une composantes principales.
% scores est la représentation de X dans l'espace des composantes
% principales.
% latent renvoie un vecteur contenant les valeurs propres de la matrice
% de covariance X.
% tsquare renvoie au test statistique d'Hotteling pour chaque point.
% princomp(zscore(X))permet de réaliser l'analyse en composantes
% principales sur des valeurs standardisées.

[vect_propres,scores,val_propres,t2] = princomp(zscore(Donnees));

% La commande suivante permet de réaliser le graphe des valeurs propres.

figure('Name','Spectre des valeurs propres','NumberTitle','off');

bar(val_propres);

% Et ceci nous donne les inerties cumulées des valeurs propres.

cumsum(val_propres)./sum(val_propres);

% Cette commande permet de réaliser la carte factorielle des individus sur

% les deux axes principaux.

figure('Name','individus','NumberTitle','off');
plot(scores(:,1),scores(:,2),'r+');
text(scores(:,1),scores(:,2),Individus);
a = axis;
xl = a(1);xu = a(2);yl = a(3);yu = a(4);
xlabel('1ère Composante Principale')
ylabel('2nde Composante Principale')
hold on
line([xl xu],[0 0])
line([0 0],[yl yu])

% Cette commande permet de réaliser le cercle des corrélations variables

% sur les deux axes principaux.

figure('Name','Variables','NumberTitle','off');
plot(vect_propres(:,1),vect_propres(:,2),'.');
text(vect_propres(:,1),vect_propres(:,2),Variables);
hold on
[x,y,z] = cylinder(1,200);
plot(x(1,:),y(1,:))
hold on
line([-1 1],[0 0])
line([0 0],[-1 1])
axis equal