deletions | additions       diff --git a/section_Travail.tex b/section_Travail.tex  index 5e2daf2..13ca435 100644  --- a/section_Travail.tex  +++ b/section_Travail.tex 
...
\section[Travail]{ Travail réalisé :}  \begin{description}  \item L'ACP (Analyse en composantes principales) permet de décrire un jeu de données, de le résumer, d'en réduire la dimensionnalité. \newline  L'ACP réalisée sur les individus du tableau de données répond à différentes questions :  Etude des individus : étude de variabilité entre individus,de similarités entre les individus pour toutes les variables, établissement de profils.\newline  Etude des variables : étude des liaisons linéaires entre les variables. Les objectifs sont de résumer la matrice des corrélations et de chercher des variables synthétiques.  Ensuite étudier la possibilté de caractériser des groups d'individus par des variables.  Pour cela, on installe le package FactoMineR.\newline  \begin{figure*}[h]  \centering  \includegraphics{}  \label{fig:image1}  \end{figure*}  \begin{description}  \item Ensuite, on enregistre la table des données dans un fichier "tp3.cvs". On utilise la commande \textbf{read.table } pour lire la table. On y applique la fonction \fbox {\textbf{cor}(nomTable)} permettant de créer la matrice de corrélation entre les diffèrentes variables de la table.   \begin{figure*}[h]  \centering  \includegraphics{}  \label{fig:image2}  \end{figure*}  \end{description}  \begin{description}  \item LA commande {\textbf{cor} permet de créer la matrice de corrélation entre les diffèrentes variables de la table.  \begin{figure*}[h]  \centering  \includegraphics{}  \label{fig:image3}  \end{figure*}  \end{description}