Sunteți pe pagina 1din 15

Ministerul Educaiei al Republicii Moldova

Universitatea de Stat din Moldova


Facultatea de Matematic i Informatic
Catedra Informatic i Optimizare Discret

A efectuat:Luchian Eugenia
Grupa MA1
A verificat:
Dr.conferentiar: A.Potaru

Chiinu,2013

Scopul: Determinarea trasaturilor masinilor de lux de catre un agent de vanzari independent, care
determina cumparatorul.
Sursa Datelor: Datele au fost luate de pe urmatoarele siteuri: http://www.autosaga.ro,
http://www.123auto.ro/, http://www.autolatest.ro/,precum si de pe paginile oficiale ale producatorilor
diferitelor marci de masini prezente in proiect.

Figura 1 este formata din 30 de linii ce contin 30 de modele de automobile si 10 coloane ce


cuprind diverse trasaturi ale acestora care vor evidentia modelul cel mai compatibil pentru clientul
agentului de vanzari. Cele 10 Trasaturi sunt prezentate in figura 1..
1

Volum Portbagaj (litri)

V1

Greutate(kg)

V2

Capacitate rezervor

V3

Viteza maxima (km/h)

V4

0-100 km/h(sec)

V5

Consum mediu)l/100km)

V6

Emisii (g CO2/km)

V7

Capacitate (cmc)

V8

Putere(CP)

V9

10

Pret fara taxe incluse (Euro)

V10

FIGURA 1.

FIGURA 2.- sunt prezentate cele 30 de modele de automobile precum si caracteristicile acestora.
Model\Trasat.

V1

V2

V3

V4

V5

V6

V7

V8

V9

V10

175
100

1710
1560

85
75

300
301

4.9
4.6

17.8
14.6

421 5935
349
4163

125000
420 88500

Corvette 2008 Z06

475
520
125
634

Citroen C6 3.0HDI

488

Ferrari F430 Spider

220
320

2475
1805
1654
1418
1816
1595
1765

90
70
69
68
72
95
105

312
250
250
320
235
311
330

5.2
5
4.7
3.9
8.5
4.1
3.7

17.1
10.4
14.9
14.7
7.4
18.3
17.9

410
243
354
350
270
420
490

560 146000
407 95000
450 69000
512 74000
240 45000
490 165000
620 211000

Aston martin DB9


Audi R8
Bentely Continental
FLYNG SPUR
BMW S5 2010 550 i
CADILLAC- XLR-V

Ferrari 590 Fiorano

5998
4395
4371
7008
2992
4308
5999

450

Honda Legend
Infiniti FX
Infiniti G Coupe 37s
AT
Jaguar XF V8
Jaguar XKR
Lamborhini Gallardo
Range Rover 3.6 TDV
Lexus IS-F V8
Lexus LS-600H
Executive
Masserati Grancabrio
Masserati Quattroporte
Sport GT
Mercedes C Coupe
AMG 63
Mercedes SLK
Mercedes ML
Mitshubishi Lancer
Porsche Cayenne
Porsche 911 Carrera
Toyota Land Cruiser
Volswaken Toureg A8
Hybrid
Volvo V8
Alfa Romeo Spider

452
410

1938
2195

73
90

250
250

7.1
5.8

11.6
13.1

282
298

3664
5026

295
390

50000
64000

275
500
330
110
535
378

1794
1855
1828
1634
3175
2120

80
70
71
90
105
64

250
250
250
325
200
270

5.9
5.7
4.8
3.7
9.2
4.8

10.5
11.1
12.3
14.7
11.1
11.4

265
264
301
380
300
256

3696
5000
5000
5204
3628
4969

320 49000
385 58000
510 89000
560 148000
271 88500
423 62000

330
173

2730
2055

84
75

250
280

6.3
5.3

9.3
15.2

219
345

4969
4691

394 93000
440 113000

450

2065

90

285

5.1

15.7

370

4691

440 115000

450
335
500
415
580
135
701

1730
1540
2310
1675
2315
1500
2715

59
60
95
60
85
64
93

250
250
250
242
242
302
210

4.5
5.6
5
6.3
6.5
4.7
8.2

12
7.1
16.5
10.5
8.2
10.6
10.2

365
355
410
280
198
194
270

6208
3498
6208
1998
2995
3800
4461

450
306
375
295
333
385
286

61000
45000
89500
44000
70000
86000
68000

433
480
235

2315
2150
1740

85
70
70

240
250
244

6.5
6.5
7.2

8.2
12.1
12.2

310
290
320

2995
4414
3195

333
315
260

55000
43000
42000

I. Analiza componentelor principale


Definitie1:
Analiza componentelor principale este o metoda de analiza multidimensionala care are ca scop
determinarea unor noi variabile, numite componente principale si exprimate sub forma combinai i l o r
l i n i a r e d e v a r i a b i l e l e o r i g i n a l e astfel nct aceste variabile noi sa fie caracterizate de o
variabilitate maxima.
Definitie2:
Componentele principale sunt variabile vectoriale abstracte, definite sub forma unor combinari l i n i a r e
d e variabilele originale si care au urmatoarele doua proprieti fundamentale:
sunt necorelate doua c t e d o u a si suma patratelor coeficienilor care definesc combinatia liniara ce
corespunde unei componente principale este egala cu unitatea;
prima component principala este o combinatie liniara normalizata a car e i v a r i a n t e este maxima,cea
de-a doua c o m p o n e n t a principal este o combinai e l i n i a r a necorelata cu prima componenta
principala si care are o varianta ct mai mare posibil, n s a mai mica dect cea a primei componente etc.

Statistici descriptive
Figura 3- In figura urmatoare sunt calculate,media,disperisia,variant,minimul,maximul si totalul pentru
fiecare variabila.
Variable
Mean
Std Dev
Variance
N
Minimum
Maximum
Sum

V1
375.4666667
161.8295684
26188.81 30
100.0000000
701.0000000
11264.00
V2
1972.57
413.9949761
171391.84 30
1418.00
3175.00
59177.00
V3
78.7333333
13.0962836
171.5126437 30
59.0000000
105.0000000
2362.00
V4
264.9666667
33.5738849
1127.21 30
200.0000000
330.0000000
7949.00
V5
5.6433333
1.3848150
1.9177126 30
3.7000000
9.2000000
169.3000000
V6
12.5566667
3.1941415
10.2025402 30
7.1000000
18.3000000
376.7000000
V7
319.3000000
70.8554381
5020.49 30
194.0000000
490.0000000
9579.00
V8
4515.97
1159.76
1345041.69 30
1998.00
7008.00
135479.00
V9
397.1666667
97.0812256
9424.76 30
240.0000000
620.0000000
11915.00
V10
85050.00
40919.04
1674368103 30
42000.00
211000.00
2551500.00

MEDIA
Pentru media variabilelor avem urmatoarele valori:
1.Volumul portbagajului are in medie 375,5 litri;
2.O masina cantareste in medie 1972 de kilograme;
3.In medie,capacitatea rezervorului este de 78,73 de litri;
4.Viteza maxima medie a masinilor studiate este de aproximativ 265 km/ora;

5.Timpul mediu de atingere a 100km/h este de 5,64 secunde;


6.In medie ,consumul mediu a celor 30 de marci de masini este de 12,56 litri/100km;
7.Cele 30 de masini emana in atmosfera,in medie, emisii(g C02/km) 319 grame CO2 per
kilometru;
8.Automobilele au in medie Cpacitatea motorului de 4515 centimetricubi;
9.Puterea medie a tuturor masinilor prezentate este de 397,16 CP;
10.Pretul mediu a automobilelor este de 85050 EURO.
ABATEREA STANDARD SI DISPERSIA
A 3-a si a 4-a coloana prezinta abaterea standard(standard deviation) si dispersia(variance)
caracteristiciilor elementelor.
MINIMUL SI MAXIMUL
In a 6-a si a 7-a coloana sunt prezentate minimul si maximul fiecarei caracteristici.astfel pentru
prima variabila(volumul portbagajului) avem un minim de 100 de litri si un maxim de 701
litri,pentru a 2-a variabila(greutate) avem un minim de 1418 kg si un maxim de 3175 kg,etc.
SUMA
In ultima coloana este prezenta valoarea cumulata a fiecarei caracteristici a celor 30 de
masini.Spre exemplu Pretul cumulat a masinilor este P(M1)+P(M2)+........+P(M30)= 2551500
EURO.
Unde Mi=modelul de autombil,P(Mi)=pretul masinii i.Se procedeaza in mod analog pentru
celelalte variabile.

Standardizarea datelor
Deoarece datele au marimi si unitati de masura diferite se va realiza analiza componentelor
principale pe date standardizate.
Definitie3:
Operatia de standardizare a valorilor unei variabile consta in substituirea valorilor
fiecarei operatii cuo noua valoare reprezentand raportul dintre valoarea centrata a respectivei
operatii si abaterea standard a respectivei variabile:
s c
__
Xti=Xti/Si=(Xti-Xi)/Si
__

Unde Xi=media celei de a i a varabila,iar Si =abaterea standard a variabilei Xi


unde reprezinta media celei de-a i-a variabile, iar reprezinta abaterea standard a variabilei .

Figura 4
VALORI STANDARDIZATE
V1s
V2S
Aston martin
DB9
Audi R8
Bentely
Continental
FLYNG
SPUR
BMW S5
2010 550 i
CADILLACXLR-V
Corvette
2008 Z06
Citroen C6
3.0HDI
Ferrari F430
Spider
Ferrari 590
Fiorano
Honda
Legend
Infiniti FX
Infiniti G
Coupe 37s
AT
Jaguar XF
V8
Jaguar XKR
Lamborhini
Gallardo
Range Rover
3.6 TDV
Lexus IS-F
V8
Lexus LS600H
Executive
Masserati
Grancabrio
Masserati
Quattroporte
Sport GT
Mercedes C
Coupe AMG
63
Mercedes
SLK
Mercedes
ML
Mitshubishi
Lancer
Porsche
Cayenne
Porsche 911
Carrera
Toyota Land
Cruiser
Volswaken
Toureg A8
Hybrid
Volvo V8

V3S

V4S

V5S

V6S

V7S

V8S

V9S

V10S

-1.23875
-1.7022

-0.63423
-0.99655

0.478507
-0.28507

1.04347
1.073255

-0.53677
-0.75341

1.641547
0.639713

1.435317
0.419163

1.223558
-0.30434

0.544218
0.235198

0.976318
0.084313

0.61505

1.213622

0.860295

1.40089

-0.32014

1.422396

1.280071

1.27788

1.67729

1.489527

0.893121

-0.40476

-0.66686

-0.44578

-0.46456

-0.67519

-1.07684

-0.1043

0.10129

0.243163

-1.54772

-0.76949

-0.74321

-0.44578

-0.6812

0.733635

0.48973

-0.125

0.544218

-0.39224

1.597565

-1.33955

-0.81957

1.639171

-1.25889

0.67102

0.433277

2.14875

1.182858

-0.27005

0.695382

-0.37818

-0.51414

-0.89256

2.062851

-1.61441

-0.69578

-1.31404

-1.61892

-0.97876

-0.96068

-0.91201

1.242083

1.371105

-1.11447

1.798084

1.421204

-0.17932

0.956244

1.953858

-0.34275

-0.50137

2.005658

1.937021

-1.40332

1.672854

2.409131

1.278742

2.295329

3.078029

0.472926
0.213393

-0.0835
0.537285

-0.43778
0.860295

-0.44578
-0.44578

1.051885
0.113132

-0.29951
0.170103

-0.52642
-0.30061

-0.73461
0.439775

-1.05238
-0.07382

-0.85657
-0.51443

-0.62082

-0.43133

0.09672

-0.44578

0.185344

-0.64389

-0.76635

-0.70701

-0.79487

-0.88101

0.769534
-0.28095

-0.28398
-0.3492

-0.66686
-0.5905

-0.44578
-0.44578

0.04092
-0.60899

-0.45604
-0.08036

-0.78046
-0.25827

0.417357
0.417357

-0.12532
1.162257

-0.66106
0.096532

-1.64041

-0.8178

0.860295

1.788096

-1.40332

0.67102

0.856674

0.593255

1.67729

1.538404

0.985811

2.904464

2.005658

-1.93504

2.568333

-0.45604

-0.27239

-0.76565

-1.2996

0.084313

0.015654

0.356123

-1.125

0.149918

-0.60899

-0.36212

-0.89337

0.390627

0.2661

-0.56331

-0.28095

1.829571

0.40215

-0.44578

0.474191

-1.01957

-1.41556

0.390627

-0.03262

0.194286

-1.25111

0.199117

-0.28507

0.447769

-0.24793

0.827557

0.36271

0.150922

0.441211

0.683056

0.460567

0.223272

0.860295

0.596694

-0.39235

0.984093

0.715541

0.150922

0.441211

0.731933

0.460567

-0.58592

-1.50679

-0.44578

-0.82562

-0.17428

0.644975

1.458952

0.544218

-0.58775

-0.25006

-1.04486

-1.43043

-0.44578

-0.03129

-1.70834

0.503843

-0.87774

-0.93908

-0.97876

0.769534

0.815066

1.242083

-0.44578

-0.46456

1.234552

1.280071

1.458952

-0.22833

0.108751

0.24429

-0.71877

-1.43043

-0.68406

0.474191

-0.64389

-0.55465

-2.17111

-1.05238

-1.0032

1.263881

0.827144

0.478507

-0.68406

0.618615

-1.36396

-1.71194

-1.31145

-0.66096

-0.3678

-1.48593

-1.14148

-1.125

1.10304

-0.6812

-0.61258

-1.76839

-0.61734

-0.12532

0.023217

2.011581

1.793339

1.089368

-1.63719

1.846215

-0.73781

-0.69578

-0.04739

-1.14509

-0.41668

0.355518
0.645947

0.827144
0.428588

0.478507
-0.66686

-0.74363
-0.44578

0.618615
0.618615

-1.36396
-0.14297

-0.13125
-0.41352

-1.31145
-0.08792

-0.66096
-0.84637

-0.73438
-1.02764

Alfa Romeo
Spider

-0.86799

-0.56176

-0.66686

-0.62449

1.124097

-0.11166

0.009879

-1.139

-1.41291

1.2. Matricea de corelatie


Pentru a vedea daca indicatorii calculati sunt independenti sau nu, vom analiza matricea
coeficientilor de corelatie. Matricea de corelatii este simetrica si descrie legaturile dintre
variabilele initiale si determina componentele pricipale
Figura 5 -MATRICEA DE CORELATIE
V1
V1
V2
V3
V4
V5
V6
V7
V8
V9
V10

1.0000
0.4940
0.1118
-.4692
0.4597
-.3401
-.2560
0.0584
-.3104
-.3006

V2
0.4940
1.0000
0.5518
-.5275
0.6137
-.1884
-.2268
-.0425
-.2843
-.0301

V3
0.1118
0.5518
1.0000
0.1205
0.1052
0.4258
0.4014
0.2158
0.2354
0.6305

V4

V5

-.4692
-.5275
0.1205
1.0000
-.8036
0.6889
0.5586
0.5180
0.8064
0.7140

0.4597
0.6137
0.1052
-.8036
1.0000
-.6004
-.4879
-.5952
-.8427
-.5363

V6
-.3401
-.1884
0.4258
0.6889
-.6004
1.0000
0.7969
0.6404
0.7196
0.7350

V7
-.2560
-.2268
0.4014
0.5586
-.4879
0.7969
1.0000
0.5333
0.6039
0.6526

V8

V9

0.0584
-.0425
0.2158
0.5180
-.5952
0.6404
0.5333
1.0000
0.7297
0.4887

-.3104
-.2843
0.2354
0.8064
-.8427
0.7196
0.6039
0.7297
1.0000
0.7939

V10
-.3006
-.0301
0.6305
0.7140
-.5363
0.7350
0.6526
0.4887
0.7939
1.0000

Se identifica in matrice coeficientii de corelatie mari.Se observa ca intre V6(consum


mediu ) si V4(viteza maxima) este o corelatie de 0,689 ,intre V10 (pret) si V4(viteza maxima) o
corelatie de 0,714,etc.
Figura 6 -Matricea de covarianta
Matricea de covariatie
VARIABLE
V1
V2
V3
V4
V5
V6
V7
V8
V9
V10

V1
26189
33096
237
-2549
103
-176
-2935
10962
-4877
-1990748

V2
33096
171392
2992
-7332
352
-249
-6654
-20385
-11424
-510116

V3
237
2992
172
53
2
18
372
3277
299
337876

V4
-2549
-7332
53
1127
-37
74
1329
20171
2628
980898

V5
103
352
2
-37
2
-3
-48
-956
-113
-30392

-1.05208

Covariance Matrix
V6
V1
V2
V3
V4
V5
V6
V7
V8
V9
V10

-176
-249
18
74
-3
10
180
2372
223
96068

V7

V8

V9

V10

-2935
-6654
372
1329
-48
180
5020
43821
4154
1892053

10962
-20385
3277
20171
-956
2372
43821
1345042
82155
23193329

-4877
-11424
299
2628
-113
223
4154
82155
9425
3153595

-1990748
-510116
337876
980898
-30392
96068
1892053
23193329
3153595
1674368103

1.3. Vectorii si valorile proprii


Cum componentele principale sunt combinatii liniare de variabile originale, le putem
privi sub forma unui vector de forma:
Pi=a1i

* v1 + a2 i * v2+..+ani*Vn, unde

v1,v2,..Vn sunt variabilele originale

si aji ponderile din tabelul de mai jos.


Figura 7 Vectorii proprii
Eigenvectors

V1
V2
V3
V4
V5
V6
V7
V8
V9
V10

Prin1

Prin2

Prin3

Prin4

Prin5

-.193339
-.167738
0.132181
0.383043
-.363554
0.378145
0.337032
0.304157
0.398117
0.361284

0.340503
0.573361
0.583524
-.148526
0.266949
0.138795
0.140834
0.153882
0.011610
0.242032

0.637847
0.009506
-.320431
-.034305
-.199576
-.072807
-.101526
0.588404
0.185598
-.230441

0.104735
-.261128
-.090853
-.224424
0.202087
0.341285
0.713608
0.048361
-.324740
-.296438

0.608714
-.423936
0.157228
0.332794
0.037712
-.209042
0.100623
-.431894
-.021208
0.268413

Eigenvectors

V1
V2
V3
V4
V5
V6
V7
V8
V9
V10

Prin6

Prin7

Prin8

Prin9

Prin10

0.057286
-.059257
0.056050
0.514120
0.263369
0.541701
-.436598
0.126343
-.356954
-.170134

-.198037
0.067641
-.108210
0.456012
0.467798
-.540364
0.265173
0.375736
-.100248
0.064633

0.113331
0.382176
-.657934
0.101447
0.279873
0.275318
0.104482
-.320365
0.262744
0.247418

-.042080
-.463045
-.072024
-.430084
0.435079
0.097712
-.253458
0.275278
0.078428
0.498646

-.034808
-.162988
0.231216
0.037321
0.398314
0.038553
-.028526
-.114746
0.698831
-.504861

Prima componenta principala poate fi scrisa ca o combinatie liniara dintre variabilele originale:
Prin 1= -.193339 *V1 +-.167738 *V2 + 0.132181 *V3 + 0.383043 *V4 + -.363554 *V5 + 0.378145 *V6
+-.436598 *V7 + 0.126343 *V8 + -.356954 *V9 + -.170134 *V10.

Se procedeaza in mod similar pentru celalte componente principale.


Calculam valorile proprii ce ne arata cantitatea de informatie extrasa de fiecare componenta
principala:
k

Var(Ck)=a unde Ck=componenta principal de ordin k iar a =valoarea proprie


corespunzatoare acesteia

Figura 8 Valori proprii


Eigenvalues of the Correlation Matrix

1
2
3
4
5
6
7
8
9
10

Eigenvalue

Difference

Proportion

Cumulative

5.36659449
2.14613774
0.98430855
0.55186725
0.36808722
0.19271333
0.13179566
0.12891483
0.08545945
0.04412149

3.22045675
1.16182919
0.43244130
0.18378003
0.17537388
0.06091768
0.00288082
0.04345539
0.04133796

0.5367
0.2146
0.0984
0.0552
0.0368
0.0193
0.0132
0.0129
0.0085
0.0044

0.5367
0.7513
0.8497
0.9049
0.9417
0.9610
0.9742
0.9870
0.9956
1.0000

In figura 10
prima coloana reprezinta valorile proprii ce exprima varianta explicata prin fiecare noua
componenta principala si corelatia dintre noua variabila si variabilele vechi.
A doua coloana reprezinta diferenta dintre 2 componente consecutive.
In a treia coloana a doua a tabelului este exprimat procentul din inertia totala a norului de
puncte retinut pe fiecare axa.
In a patra coloana este exprimat procentul cumulative al componente dinainte.
Deoarece primele 2 valori proprii sunt mai mari decat 1 (Criteriul lui Kaiser), putem spune ca
avem 2 componente principale care sintetizeaza din punct de vedere informational restul de 8
variabile originale.
Astfel prin intermediul primei componente principale se asigura conservarea a 53,67% din
varianta totala .
Varianta celei de-a doua componente principale este egala cu valoarea proprie 2.14613774 si
retine 21,46% din varianta totala iar cumulativ cu prima componenta retine 75,13% din
varianta totala.

Corelatia Pearson:
Numele complet al acestui coeficient este "coeficientul de corelaie produs-moment
Pearson". Acest coeficient poate fi calculat cu ajutorul relaiei (A). Valoarea coeficientului de
corelaie Pearson poate varia ntre +1 i -1. O valoare apropiat de +1 indic o corelaie pozitiv
puternic; o valoare apropiat de -1 ne indic o corelaie negativ puternic, iar o valoare
apropiatde zero ne indic faptul c ntre cele dou variabile nu exist nici o corelaie.

rxy= [1/n*(xi-Mx)(yi-My)]/Sx*Sy

(A)

unde - n este mrimea eantionului format din msurtori pereche (x,y);


- xi reprezint msurtorile individuale ale variabilei x;
- yi reprezint msurtorile individuale ale variabilei y;
- Mx reprezint media aritmetic a variabilelor x;
- My reprezint media aritmetic a variabilelor y;
- Sx reprezint deviaia standard pentru valorile x;
- Sy reprezint deviaia standard pentru valorile y.
Numrtorul din relaia (A) se numete covarian (notat cu Sxy) sau variabilitate pereche.
Covariana este o msur a gradului n care variaia unei variabile se potrivete cu variaia
celeilalte variabile.

1.4. Reprezentarea grafica


Pe grafic s-a identificat diferentele semnificative existente intre valorile proprii si s-a
trasat o paralela la abscisa deasupra ultimei astfel de diferente, iar numarul de valori proprii
aflate in partea superioara dreptei reprezinta numarul de componente principale.
Dupa trasarea dreptei putem afirma pe baza graficului ca primele 2 valori proprii sunt si
componentele principale si explica o parte din multimea norului de puncte.

Valorile proprii ale matricei de corelaie pentru caracteristicile masinilor

Figura A

Eigenvalues of the Correlation Matrix

1
2
3
4
5
6
7
8
9
10

Eigenvalue

Difference

Proportion

Cumulative

5.36659449
2.14613774
0.98430855
0.55186725
0.36808722
0.19271333
0.13179566
0.12891483
0.08545945
0.04412149

3.22045675
1.16182919
0.43244130
0.18378003
0.17537388
0.06091768
0.00288082
0.04345539
0.04133796

0.5367
0.2146
0.0984
0.0552
0.0368
0.0193
0.0132
0.0129
0.0085
0.0044

0.5367
0.7513
0.8497
0.9049
0.9417
0.9610
0.9742
0.9870
0.9956
1.0000

Informaiile privind calitatea ajustrii sunt exprimate cu ajutorul valorilor proprii ale
matricei corelaiilor i a proprietilor acestora. Tabelul de mai sus ofer informaii asupra
valorilor proprii ale matricei de corelaie, cantitatea de informaie recuperat de fiecare ax
factorial i cantitatea de informaie cumulat recuperat.
Din output-ul care prezint valorile proprii ale matricei de corelaie rezultat din
Enterprise Guide (Figura A) se observ c primele 4 valori proprii aduc maximum de informaie
pentru norul de puncte si anume 90,49%,astfel am ales sa lucrez cu 4 componente principale.
Criteriul Pantei:
Figura 12 Grafice ale valorilor proprii

Figura 13 Varianta cumulata a componentelor

Graficul din figura 13 exprima legatura dintre componentele principale si varianta cumulata pe
care acestea o conserva. Prima componenta principala retine 53,67% din varianta totala, a doua
componenta principala cumulata cu prima retine 75,13% din varianta totala ,a 3 componenta
principala retine 84,97%,iar a patra component principala retine 90,49%.
Figura 14 Grafic Componenta 1 cu Componenta 2

Analizand graficul 14 se oberva ca prima componenta este influentata direct si puternic de


V8,V9,V7,V6,V10,V4, V3 si invers de catre variabila V2,V1,V5 iar asupra componentei
doi actioneaza direct variabila V8,V7,V3V2,V1,V5,V6,V9 si invers variabila V4.

Se observa ca marcile de masini 6,16 sunt indepartate fata de norul de puncte.Modelul 6


are o valoare prea mare pentru cea de-a 3 componenta principal.Modelul 16 are valoarea
aproape de 4 pentru cea de-a doua componenta princincipala,si o valoare negativa pentru cea dea 3 componenta principal,de aceea nu intra in norul de puncte.

CONCLUZII
Analizele comparative prezinta o importanta deosebita deoarece, prin efectuarea sipublicarea constanta a
rezultatelor obtinute, au o mare influenta atat asupra consumatorilorcat si a producatorilor, facandu-i pe consumatori
mai circumspecti si mai rationali privind procesul de achizitionare a bunurilor.
Intr-o cercetare a lumii inconjuratoare ne bazam, de regula, pe existenta unui numarde indivizi distincti ai unei
populatii studiate. In legatura cu acesti indivizi (obiecte saucazuri) urmarim una sau mai multe marimi care, credem
noi, i caracterizeaza.
Cercetatorul n analiza datelor are ca sarcina sa extraga din acest tabel de date cat mai
multa informatie semnificativa si s-o prezinte intr-o forma cat mai restransa. Odat acest deziderat realizat, orice
decizie viitoare privind comportamentul populatiei studiate poate fi explicata prin argumente stiintifice.
Pe baza analizei efectuate asupra ofertei de autoturisme a unui dealer, am putut sa concluzionam care sunt marcile
concurente, care sunt cele mai preferate de cumparatori si ce caracteristici primeaza la achizitionarea unui
autoturism astfel incat dealer-ul auto sa-si formeze un plan de achizitii si vanzari care sa-i aduca un profit cat mai
mare.