#################### TD ACP exercice 2,  2018 #################
########## UE 7 (Statistiques), Master SVS ####################
########## Patrick Coquillard, 2018        ####################
# FactoMineR developpe par                 ####################
# F. Husson, J. Josse, S. Lê  et J. Mazet. ####################
#-------------------------------------------------------------#

# verifier que FactoMineR est installee
# sinon  install.packages("FactoMineR", dependencies = TRUE)
# puis eventuellement le R commander :
# install.packages("Rcmdr", dependencies = TRUE)
# voir un descriptif (tutorial)  du Rcommander
# avant toute utilisation
# http://sebastien.ledien.free.fr/unofficial_factominer/index_fr.html
#--------------------------------------------------------------#

library(FactoMineR)
# library(Rcmdr)
orange <- read.table("http://factominer.free.fr/livre/orange.csv",header=TRUE, 
                     sep=";", dec=".", row.names=1)
summary(orange)
res.pca <- PCA(orange, quanti.sup = 8:15, quali.sup = 16:17)
plot(res.pca, invisible = "quali")
round(res.pca$var$coord[,1:2],2)
round(res.pca$eig,2)
round(res.pca$ind$dist,2)
round(res.pca$ind$contrib[,1:2],2)
round(res.pca$var$contrib[,1:2],2)

# La function dimdesc() indique les variables et  categories les plus
# caractéristiques par rapport aux dimmensions résultantes d'une PCA (ou autre) 

lapply(dimdesc(res.pca),lapply,round,2)

####------------------------------------------------------#####