Dans le paysage contemporain de l’apprentissage statistique et de l’\u00e9conom\u00e9trie appliqu\u00e9e, la classification supervis\u00e9e occupe une place pr\u00e9pond\u00e9rante. Qu’il s’agisse de cat\u00e9goriser des signaux neurophysiologiques complexes, de diagnostiquer des pathologies psychiatriques \u00e0 partir de batteries de tests psychom\u00e9triques ou de mod\u00e9liser des comportements organisationnels h\u00e9t\u00e9rog\u00e8nes, la capacit\u00e9 \u00e0 partitionner un espace multidimensionnel d’observations en classes mutuellement exclusives constitue un d\u00e9fi th\u00e9orique et m\u00e9thodologique majeur. Au sein de cette discipline, les m\u00e9thodes g\u00e9n\u00e9ratives probabilistes fournissent un cadre rigoureux permettant non seulement d’assigner une observation \u00e0 un groupe d’appartenance, mais \u00e9galement de quantifier avec exactitude l’incertitude intrins\u00e8que \u00e0 cette d\u00e9cision \u00e0 travers le calcul des probabilit\u00e9s a posteriori.<\/p>\n
Historiquement domin\u00e9 par l’approche pionni\u00e8re de Ronald Fisher et son analyse discriminante lin\u00e9aire, le champ de la classification statistique s’est heurt\u00e9 de longue date \u00e0 une contrainte g\u00e9om\u00e9trique et probabiliste s\u00e9v\u00e8re : le postulat de l’homog\u00e9n\u00e9it\u00e9 des matrices de variance-covariance entre les diff\u00e9rentes populations \u00e9tudi\u00e9es. Lorsque cette hypoth\u00e8se d’homosc\u00e9dasticit\u00e9 est viol\u00e9e \u2014 une situation ubiquitaire dans les donn\u00e9es empiriques issues des sciences du comportement, de la m\u00e9decine et de la biologie \u2014, les fronti\u00e8res de d\u00e9cision lin\u00e9aires s’av\u00e8rent structurellement biais\u00e9es, menant \u00e0 des taux d’erreur de classification prohibitifs et \u00e0 une mauvaise appr\u00e9ciation de la dynamique propre \u00e0 chaque sous-groupe.<\/p>\n
L’analyse discriminante quadratique<\/strong> (d\u00e9sign\u00e9e sous l’acronyme QDA pour Quadratic Discriminant Analysis<\/a>) s’\u00e9rige pr\u00e9cis\u00e9ment comme la r\u00e9ponse math\u00e9matique et probabiliste fondamentale \u00e0 cette limitation structurelle. En autorisant chaque classe \u00e0 poss\u00e9der sa propre structure de covariance, la QDA substitue aux hyperplans rigides des surfaces de s\u00e9paration quadriques hautement adaptatives : ellipso\u00efdes, parabolo\u00efdes et hyperbolo\u00efdes. Cet article propose une exploration encyclop\u00e9dique, exhaustive et math\u00e9matiquement rigoureuse de l’analyse discriminante quadratique, articulant ses fondements th\u00e9oriques bay\u00e9siens, sa formulation analytique, ses d\u00e9fis computationnels et ses applications concr\u00e8tes dans les sciences du comportement.<\/p>\n Le paradigme de la classification supervis\u00e9e se d\u00e9finit formellement par l’existence d’un espace probabilis\u00e9 sous-jacent au sein duquel \u00e9volue un vecteur al\u00e9atoire d’attributs continus ou discrets, not\u00e9 X<\/em> appartenant \u00e0 l’espace euclidien de dimension p<\/em>, et une variable cible cat\u00e9gorielle, not\u00e9e Y<\/em>, prenant ses valeurs dans un ensemble discret fini de classes disjointes {1, 2, …, K<\/em>}. L’objectif fondamental consiste \u00e0 concevoir une r\u00e8gle de d\u00e9cision math\u00e9matique, c’est-\u00e0-dire une fonction de projection ou de partitionnement de cet espace vectoriel vers l’ensemble des modalit\u00e9s qualitatives, de sorte que le risque d’erreur d’assignation soit statistiquement minimis\u00e9 selon une m\u00e9trique de perte pr\u00e9d\u00e9termin\u00e9e, le plus couramment la fonction de perte z\u00e9ro-un.<\/p>\n Dans ce cadre, la r\u00e9gression logistique binaire et multinomiale<\/a> constitue une r\u00e9f\u00e9rence discriminative pr\u00e9\u00e9minente, mod\u00e9lisant directement la distribution conditionnelle des classes sachant les observations sans formuler d’hypoth\u00e8se explicite sur la distribution conjointe des pr\u00e9dicteurs. Cependant, cette approche discriminative montre des faiblesses substantielles face \u00e0 des structures de donn\u00e9es complexes. D’une part, elle peine \u00e0 int\u00e9grer \u00e9l\u00e9gamment des architectures probabilistes g\u00e9n\u00e9ratives permettant de d\u00e9tecter des anomalies ou de simuler de nouvelles observations issues des classes \u00e9tudi\u00e9es. D’autre part, son processus d’estimation fond\u00e9 sur le maximum de vraisemblance conditionnel devient hautement instable en pr\u00e9sence de s\u00e9parabilit\u00e9 quasi-parfaite des classes, produisant une divergence vers l’infini des coefficients estim\u00e9s, ou lorsque les hypoth\u00e8ses de lin\u00e9arit\u00e9 du logit par rapport aux covariables sont substantiellement enfreintes.<\/p>\n La perspective probabiliste bay\u00e9sienne<\/a> aborde cette probl\u00e9matique par une voie g\u00e9n\u00e9rative en mod\u00e9lisant la densit\u00e9 de probabilit\u00e9 conjointe du couple al\u00e9atoire (X<\/em>, Y<\/em>). En s’appuyant sur le calcul de la densit\u00e9 conditionnelle des variables explicatives au sein de chaque groupe, combin\u00e9e \u00e0 la pond\u00e9ration a priori de la pr\u00e9valence des classes, le mod\u00e8le d\u00e9rive la distribution de probabilit\u00e9 a posteriori par l’application rigoureuse du th\u00e9or\u00e8me de Bayes. Cette d\u00e9marche transforme l’assignation cat\u00e9gorielle en un probl\u00e8me d’optimisation math\u00e9matique o\u00f9 l’observation est attribu\u00e9e \u00e0 la classe maximisant la probabilit\u00e9 a posteriori, conf\u00e9rant ainsi une interpr\u00e9tabilit\u00e9 probabiliste int\u00e9grale \u00e0 chaque r\u00e9gion de l’espace factoriel.<\/p>\n Les origines formelles de l’analyse discriminante remontent aux travaux fondateurs de Sir Ronald Aylmer Fisher<\/a> en 1936 sur la s\u00e9paration morphologique des sous-esp\u00e8ces d’iris. L’approche initiale de Fisher ne reposait pas initialement sur un cadre de distribution probabiliste stricte, mais sur un principe g\u00e9om\u00e9trique \u00e9l\u00e9gant : d\u00e9terminer la combinaison lin\u00e9aire des variables pr\u00e9dictives maximisant le ratio entre la variance inter-classes et la variance intra-classes. Cette projection optimale conduit naturellement \u00e0 la construction d’un hyperplan s\u00e9parateur, \u00e9tablissant les bases de l’analyse discriminante lin\u00e9aire (LDA). Sous l’hypoth\u00e8se compl\u00e9mentaire de normalit\u00e9 multivari\u00e9e et d’homosc\u00e9dasticit\u00e9, cette solution g\u00e9om\u00e9trique co\u00efncide rigoureusement avec le classifieur de Bayes optimal.<\/p>\n Cependant, l’exigence d’une matrice de variance-covariance strictement identique entre l’ensemble des populations s’est rapidement r\u00e9v\u00e9l\u00e9e \u00eatre une hypoth\u00e8se th\u00e9orique restrictive, souvent contredite par la r\u00e9alit\u00e9 des donn\u00e9es empiriques. Lorsque les sous-groupes pr\u00e9sentent des dispersions internes divergentes, la recherche d’une orientation moyenne des nuages de points via une matrice de covariance commune engendre une perte d’information fondamentale. Dans de telles configurations, la variance n’est plus un param\u00e8tre de nuisance partag\u00e9, mais constitue un vecteur d’information diagnostique capital pour distinguer les populations.<\/p>\n Face \u00e0 ce constat, le d\u00e9veloppement th\u00e9orique de l’analyse discriminante quadratique s’est impos\u00e9 d\u00e8s les ann\u00e9es 1950 et 1960 au sein de l’\u00e9cole statistique anglo-saxonne. En rel\u00e2chant d\u00e9lib\u00e9r\u00e9ment la contrainte d’\u00e9galit\u00e9 des matrices de dispersion, les th\u00e9oriciens ont d\u00e9montr\u00e9 que la fonction de log-vraisemblance relative ne se r\u00e9duisait plus \u00e0 une forme lin\u00e9aire en x<\/em>, mais conservait un terme quadratique direct. Cette avanc\u00e9e m\u00e9thodologique majeure a ouvert la voie \u00e0 la mod\u00e9lisation de fronti\u00e8res de d\u00e9cision courbes, capables d’envelopper des populations concentr\u00e9es tout en s\u00e9parant des populations p\u00e9riph\u00e9riques \u00e0 forte dispersion, posant ainsi les jalons des classifieurs flexibles modernes.<\/p>\n La psychom\u00e9trie et les neurosciences cognitives traitent par essence de donn\u00e9es multidimensionnelles caract\u00e9ris\u00e9es par une profonde h\u00e9t\u00e9rog\u00e9n\u00e9it\u00e9 structurelle. Les scores composites issus de batteries neuropsychologiques, les temps de r\u00e9action, ainsi que les indices de connectivit\u00e9 fonctionnelle c\u00e9r\u00e9brale pr\u00e9sentent des architectures de corr\u00e9lation intrins\u00e8quement d\u00e9pendantes de l’\u00e9tat clinique ou d\u00e9veloppemental de l’individu. Par exemple, une population saine manifeste fr\u00e9quemment une coordination cognitive hautement int\u00e9gr\u00e9e, se traduisant par de fortes corr\u00e9lations positives entre diff\u00e9rentes sous-\u00e9chelles d’efficience intellectuelle, alors qu’une population c\u00e9r\u00e9bro-l\u00e9s\u00e9e ou neuro-atypique pr\u00e9sentera des profils de variabilit\u00e9 d\u00e9sorganis\u00e9s et hautement asym\u00e9triques.<\/p>\n Dans ce contexte \u00e9pist\u00e9mologique, postuler l’homosc\u00e9dasticit\u00e9 revient \u00e0 nier la sp\u00e9cificit\u00e9 clinique de la d\u00e9sorganisation cognitive. La mod\u00e9lisation de profils psychologiques distincts exige un cadre statistique capable de reconna\u00eetre qu’une pathologie ne modifie pas seulement la moyenne d’un comportement, mais alt\u00e8re profond\u00e9ment sa variance et ses patrons de co-variation. L’analyse discriminante quadratique s’affirme donc comme un outil conceptuellement adapt\u00e9 \u00e0 la s\u00e9miologie quantitative, autorisant chaque entit\u00e9 nosologique \u00e0 d\u00e9finir son propre paysage de variabilit\u00e9 au sein de l’espace psychom\u00e9trique.<\/p>\n Cette flexibilit\u00e9 s’av\u00e8re particuli\u00e8rement d\u00e9cisive lors de la classification de sous-types nosologiques au sein des troubles affectifs et comportementaux, tels que d\u00e9crits dans le Manuel diagnostique et statistique des troubles mentaux (DSM-5<\/a>). La discrimination entre un trouble d\u00e9pressif majeur unipolaire, un trouble bipolaire en phase d\u00e9pressive et des \u00e9tats mixtes ne repose pas uniquement sur des diff\u00e9rences de niveau d’intensit\u00e9 symptomatique, mais sur la dispersion erratique des scores d’impulsivit\u00e9, de labilit\u00e9 \u00e9motionnelle et de r\u00e9gulation du sommeil. La QDA offre la structure probabiliste requise pour capturer ces signatures multivari\u00e9es diff\u00e9rentielles sans contraindre artificiellement les donn\u00e9es \u00e0 un carcan lin\u00e9aire r\u00e9ducteur.<\/p>\n L’analyse discriminante lin\u00e9aire repose sur une hypoth\u00e8se fondamentale de mod\u00e9lisation statistique : chaque classe k<\/em> au sein de la population parente suit une loi normale multivari\u00e9e dont le vecteur d’esp\u00e9rance math\u00e9matique est propre \u00e0 la classe, not\u00e9 μk<\/em><\/sub>, mais dont la matrice de variance-covariance Σ est rigoureusement identique pour l’ensemble des K<\/em> modalit\u00e9s. Cette matrice commune, dite matrice de covariance intra-classes ou matrice pool\u00e9e, repr\u00e9sente la dispersion conjointe moyenne des pr\u00e9dicteurs autour de leurs barycentres respectifs :<\/p>\n Dans le formalisme de la r\u00e8gle de d\u00e9cision bay\u00e9sienne, le score discriminant lin\u00e9aire associ\u00e9 \u00e0 une observation x<\/em> pour la classe k<\/em> s’exprime sous la forme canonique :<\/p>\n δ<\/em>k<\/em><\/sub>(x<\/em>) = x<\/em>T<\/sup> Σ-1<\/sup> μk<\/em><\/sub> – (1\/2) μk<\/em><\/sub>T<\/sup> Σ-1<\/sup> μk<\/em><\/sub> + ln(πk<\/em><\/sub>)<\/p>\n o\u00f9 πk<\/em><\/sub> repr\u00e9sente la probabilit\u00e9 a priori d’appartenance \u00e0 la classe k<\/em>. L’examen attentif de cette expression r\u00e9v\u00e8le que le terme quadratique x<\/em>T<\/sup> Σ-1<\/sup> x<\/em> est strictement invariant selon la classe consid\u00e9r\u00e9e. Par cons\u00e9quent, lors de la comparaison de deux classes quelconques k<\/em> et l<\/em>, ce terme quadratique s’annule par soustraction alg\u00e9brique, conf\u00e9rant \u00e0 la fronti\u00e8re de d\u00e9cision une nature strictement lin\u00e9aire repr\u00e9sent\u00e9e g\u00e9om\u00e9triquement par un hyperplan dans l’espace ℜp<\/em><\/sup>.<\/p>\n Lorsque cette condition d’homosc\u00e9dasticit\u00e9 est viol\u00e9e dans les donn\u00e9es r\u00e9elles, le comportement statistique de la LDA subit une alt\u00e9ration notable. Confront\u00e9 \u00e0 une forte h\u00e9t\u00e9rosc\u00e9dasticit\u00e9, le mod\u00e8le force l’ajustement d’un hyperplan au travers de distributions dont les orientations principales et les volumes ellipsoidaux diff\u00e8rent drastiquement. Il en r\u00e9sulte un d\u00e9placement sous-optimal de la fronti\u00e8re vers la classe poss\u00e9dant la plus forte dispersion globale, augmentant de mani\u00e8re exponentielle les faux positifs au d\u00e9triment de la classe la plus compacte. Cette instabilit\u00e9 structurelle justifie l’abandon du mod\u00e8le lin\u00e9aire d\u00e8s lors que les structures de variance s’\u00e9cartent significativement du postulat d’homog\u00e9n\u00e9it\u00e9.<\/p>\n Le saut qualitatif op\u00e9r\u00e9 par l’analyse discriminante quadratique r\u00e9side dans l’abandon syst\u00e9matique de la contrainte Σ1<\/sub> = Σ2<\/sub> = … = ΣK<\/em><\/sub>. En attribuant \u00e0 chaque sous-population sa propre matrice de variance-covariance Σk<\/em><\/sub>, la QDA postule que l’organisation interne, les corr\u00e9lations inter-variables et les \u00e9chelles de dispersion sont des caract\u00e9ristiques endog\u00e8nes fondamentales de chaque groupe. Alg\u00e9briquement, cette sp\u00e9cification individuelle emp\u00eache la simplification du terme quadratique impliquant le vecteur d’observation x<\/em> lors du calcul des rapports de vraisemblance logarithmiques.<\/p>\n Ce basculement conceptuel modifie radicalement la g\u00e9om\u00e9trie de la classification. Dans l’espace vectoriel des pr\u00e9dicteurs, les lignes de niveau d’\u00e9gale densit\u00e9 de probabilit\u00e9 pour chaque classe ne sont plus des ellipso\u00efdes parall\u00e8les pr\u00e9sentant les m\u00eames axes d’\u00e9longation et la m\u00eame excentricit\u00e9 g\u00e9om\u00e9trique. Au contraire, chaque classe d\u00e9ploie un ellipso\u00efde de confiance dont le volume, l’orientation spatiale d\u00e9finie par ses vecteurs propres et l’\u00e9tirement gouvern\u00e9 par ses valeurs propres sont totalement idiosyncrasiques. Les intersections entre ces surfaces de densit\u00e9 in\u00e9gales cessent d’\u00eatre planes pour devenir intrins\u00e8quement quadratiques.<\/p>\n La cons\u00e9quence directe sur la flexibilit\u00e9 du classifieur est majeure. La QDA acquiert la capacit\u00e9 fondamentale de mod\u00e9liser des interactions d’ordre deux sans requ\u00e9rir l’adjonction explicite de termes polynomiaux ou de produits crois\u00e9s dans la matrice de design. Si une classe clinique est caract\u00e9ris\u00e9e par une forte corr\u00e9lation positive entre deux indicateurs tandis qu’une classe t\u00e9moin pr\u00e9sente une ind\u00e9pendance stochastique totale entre ces m\u00eames variables, la QDA capture organiquement cette divergence structurelle pour incurver la fronti\u00e8re de d\u00e9cision de fa\u00e7on \u00e0 \u00e9pouser fid\u00e8lement la configuration empirique des donn\u00e9es.<\/p>\n L’arbitrage m\u00e9thodologique entre l’analyse discriminante lin\u00e9aire et l’analyse discriminante quadratique illustre de mani\u00e8re arch\u00e9typale le dilemme entre parcimonie param\u00e9trique et expressivit\u00e9 du mod\u00e8le. Dans le cadre de la LDA, l’estimation repose sur K<\/em> vecteurs de moyennes comportant chacun p<\/em> \u00e9l\u00e9ments, ainsi que sur une unique matrice de covariance commune sym\u00e9trique requ\u00e9rant le calcul de p<\/em>(p<\/em> + 1)\/2 param\u00e8tres ind\u00e9pendants, auxquels s’ajoutent (K<\/em> – 1) probabilit\u00e9s a priori. La charge param\u00e9trique totale cro\u00eet de mani\u00e8re mod\u00e9r\u00e9e avec la dimensionnalit\u00e9 du probl\u00e8me, assurant une remarquable stabilit\u00e9 num\u00e9rique m\u00eame en pr\u00e9sence d’\u00e9chantillons de taille modeste.<\/p>\n \u00c0 l’oppos\u00e9, la QDA impose l’estimation de K<\/em> matrices de variance-covariance distinctes. Le nombre de param\u00e8tres libres li\u00e9s aux covariances s’\u00e9l\u00e8ve d\u00e8s lors \u00e0 K<\/em> × [p<\/em>(p<\/em> + 1)\/2]. Cette multiplication directe de la complexit\u00e9 par le facteur K<\/em> rend la QDA particuli\u00e8rement vuln\u00e9rable au fl\u00e9au de la dimension<\/a>. Lorsque le nombre de pr\u00e9dicteurs p<\/em> augmente, le volume de param\u00e8tres \u00e0 optimiser cro\u00eet de mani\u00e8re quadratique, exigeant un nombre consid\u00e9rable d’observations par classe sous peine d’induire une variance d’\u00e9chantillonnage d\u00e9l\u00e9t\u00e8re ou de conduire \u00e0 la non-inversibilit\u00e9 pure et simple des matrices estim\u00e9es.<\/p>\n Le choix objectif entre ces deux approches ne saurait reposer sur une simple pr\u00e9f\u00e9rence empirique, mais doit s’appuyer sur des crit\u00e8res statistiques formalis\u00e9s. Le test d’\u00e9galit\u00e9 des matrices de covariance, l’\u00e9valuation des crit\u00e8res d’information p\u00e9nalis\u00e9s tels que l’AIC (Akaike Information Criterion) et le BIC (Bayesian Information Criterion), ainsi que la comparaison des taux d’erreur par validation crois\u00e9e constituent le triptyque d\u00e9cisionnel standard. De fa\u00e7on g\u00e9n\u00e9rale, la LDA surpasse la QDA lorsque les tailles d’\u00e9chantillons sont faibles \u00e0 mod\u00e9r\u00e9es, son biais structurel \u00e9tant largement compens\u00e9 par sa faible variance d’estimation. Inversement, la QDA s’impose souverainement lorsque les effectifs au sein de chaque groupe sont suffisamment massifs pour estimer avec pr\u00e9cision chaque matrice de dispersion sp\u00e9cifique.<\/p>\n La validit\u00e9 math\u00e9matique de l’analyse discriminante quadratique repose formellement sur l’hypoth\u00e8se selon laquelle la distribution conditionnelle du vecteur al\u00e9atoire X<\/em> sachant la classe Y<\/em> = k<\/em> suit une loi normale multivari\u00e9e<\/a>, not\u00e9e N<\/em>p<\/em><\/sub>(μk<\/em><\/sub>, Σk<\/em><\/sub>). La fonction de densit\u00e9 de probabilit\u00e9 associ\u00e9e s’\u00e9nonce selon l’expression analytique rigoureuse :<\/p>\n f<\/em>k<\/em><\/sub>(x<\/em>) = (2π)–p<\/em>\/2<\/sup> |Σk<\/em><\/sub>|-1\/2<\/sup> exp[ – (1\/2) (x<\/em> – μk<\/em><\/sub>)T<\/sup> Σk<\/em><\/sub>-1<\/sup> (x<\/em> – μk<\/em><\/sub>) ]<\/p>\n o\u00f9 |Σk<\/em><\/sub>| d\u00e9signe le d\u00e9terminant de la matrice de covariance de la classe k<\/em> et Σk<\/em><\/sub>-1<\/sup> repr\u00e9sente son inverse formel. Cette hypoth\u00e8se impose que toutes les marginales univari\u00e9es soient normalement distribu\u00e9es, mais exige en outre que toutes les combinaisons lin\u00e9aires de ces variables ob\u00e9issent \u00e9galement \u00e0 une loi gaussienne univari\u00e9e, garantissant une r\u00e9gularit\u00e9 g\u00e9om\u00e9trique stricte des contours de densit\u00e9.<\/p>\n La violation de ce postulat de normalit\u00e9 multivari\u00e9e a des r\u00e9percussions directes sur l’optimalit\u00e9 bay\u00e9sienne du classifieur. Si la QDA demeure relativement robuste \u00e0 de l\u00e9g\u00e8res d\u00e9viations de sym\u00e9trie, la pr\u00e9sence d’une asym\u00e9trie multivari\u00e9e prononc\u00e9e (skewness) ou d’un aplatissement excessif \u00e0 queues lourdes (kurtosis leptokurtique) d\u00e9forme les estimations de log-vraisemblance. Dans de telles conditions, les probabilit\u00e9s a posteriori calcul\u00e9es ne refl\u00e8tent plus fid\u00e8lement la certitude de l’attribution cat\u00e9gorielle, conduisant \u00e0 des fronti\u00e8res de d\u00e9cision d\u00e9cal\u00e9es qui ne minimisent plus le risque th\u00e9orique de Bayes.<\/p>\n L’\u00e9valuation rigoureuse de cette hypoth\u00e8se n\u00e9cessite le recours \u00e0 des proc\u00e9dures diagnostiques multivari\u00e9es formalis\u00e9es. Le test de Mardia, fond\u00e9 sur le calcul des coefficients de dissym\u00e9trie et d’aplatissement multivari\u00e9s, constitue le standard m\u00e9thodologique le plus largement reconnu. D’autres approches, telles que le test de Royston, le test d’Henze-Zirkler ou l’inspection graphique des diagrammes quantile-quantile bas\u00e9s sur le calcul des distances de Mahalanobis au carr\u00e9 confront\u00e9es \u00e0 une distribution du Khi-deux \u00e0 p<\/em> degr\u00e9s de libert\u00e9, permettent de v\u00e9rifier empiriquement l’ad\u00e9quation des donn\u00e9es au postulat gaussien avant toute mod\u00e9lisation quadratique.<\/p>\n L’h\u00e9t\u00e9rog\u00e9n\u00e9it\u00e9 des matrices Σk<\/em><\/sub> constitue la justification d’\u00eatre de la QDA, trouvant des fondements th\u00e9oriques majeurs dans les sciences biom\u00e9dicales et psychologiques. En psychopathologie exp\u00e9rimentale, le principe d’h\u00e9t\u00e9rog\u00e9n\u00e9it\u00e9 des \u00e9tats dysfonctionnels stipule qu’une population clinique pr\u00e9sente fr\u00e9quemment une dispersion comportementale et biologique bien sup\u00e9rieure \u00e0 celle d’un groupe contr\u00f4le sain. Les m\u00e9canismes hom\u00e9ostatiques maintiennent les individus sains dans un espace physiologique restreint (faible variance, fortes covariances r\u00e9gulatrices), alors que les processus pathologiques introduisent des d\u00e9r\u00e8glements multiples conduisant \u00e0 une dispersion \u00e9largie et \u00e0 la d\u00e9sagr\u00e9gation des corr\u00e9lations physiologiques usuelles.<\/p>\n D’un point de vue purement alg\u00e9brique, l’estimation distincte de chaque matrice Σk<\/em><\/sub> impose une contrainte stricte sur son inversibilit\u00e9. Pour que Σk<\/em><\/sub> soit inversible (non singuli\u00e8re), elle doit \u00eatre d\u00e9finie positive, ce qui implique que l’ensemble de ses valeurs propres soient strictement positives. Si le nombre d’observations n<\/em>k<\/em><\/sub> au sein d’une classe quelconque est inf\u00e9rieur ou \u00e9gal au nombre de variables pr\u00e9dictives p<\/em>, ou si des variables pr\u00e9sentent une colin\u00e9arit\u00e9 lin\u00e9aire parfaite, la matrice devient semi-d\u00e9finie positive de rang incomplet, interdisant le calcul de son inverse Σk<\/em><\/sub>-1<\/sup> ainsi que celui de son d\u00e9terminant, provoquant l’effondrement algorithmique de la QDA.<\/p>\n La d\u00e9tection empirique de l’h\u00e9t\u00e9rosc\u00e9dasticit\u00e9 multivari\u00e9e s’effectue classiquement au moyen du test M de Box<\/a>. Cette proc\u00e9dure \u00e9value l’hypoth\u00e8se nulle H<\/em>0<\/sub> : Σ1<\/sub> = Σ2<\/sub> = … = ΣK<\/em><\/sub> via un ratio de vraisemblance confrontant les d\u00e9terminants des matrices individuelles au d\u00e9terminant de la matrice pool\u00e9e commune. N\u00e9anmoins, les chercheurs doivent utiliser ce test avec une extr\u00eame prudence m\u00e9thodologique : le test M de Box est notoirement hyper-sensible aux d\u00e9viations de la normalit\u00e9 multivari\u00e9e. Une violation mineure de la gaussianit\u00e9 suffit \u00e0 rejeter artificiellement l’homosc\u00e9dasticit\u00e9, poussant l’analyste vers une QDA complexe alors m\u00eame que la LDA aurait pu s’av\u00e9rer statistiquement plus efficiente.<\/p>\n \u00c0 l’instar de l’ensemble des techniques fond\u00e9es sur la th\u00e9orie de la d\u00e9cision bay\u00e9sienne classique, la QDA postule l’ind\u00e9pendance statistique stricte des observations constitutives de l’\u00e9chantillon d’apprentissage. Cela suppose un \u00e9chantillonnage al\u00e9atoire simple o\u00f9 la s\u00e9lection d’une unit\u00e9 exp\u00e9rimentale n’exerce aucune influence sur la probabilit\u00e9 d’inclusion d’une autre. La pr\u00e9sence d’une autocorr\u00e9lation temporelle r\u00e9siduelle (par exemple lors de mesures physiologiques longitudinales r\u00e9p\u00e9t\u00e9es) ou d’une d\u00e9pendance spatiale ou hi\u00e9rarchique (comme des \u00e9l\u00e8ves regroup\u00e9s au sein de classes scolaires) biaise l’estimation des variances intra-classes, conduisant \u00e0 une sous-estimation artificielle de la variance d’\u00e9chantillonnage et \u00e0 des taux d’erreur optimistes non reproductibles.<\/p>\n Par ailleurs, la qualit\u00e9 de l’estimation des param\u00e8tres de dispersion est tributaire de la pr\u00e9sence de valeurs aberrantes (outliers), qu’elles soient univari\u00e9es ou multivari\u00e9es. En raison de la structure quadratique de la fonction de co\u00fbt, les observations extr\u00eames exercent un effet de levier disproportionn\u00e9 sur le calcul des matrices de covariance. Un unique point atypique localis\u00e9 dans la p\u00e9riph\u00e9rie de l’espace factoriel peut dilater artificiellement le d\u00e9terminant |Σk<\/em><\/sub>| et r\u00e9orienter drastiquement les vecteurs propres de la distribution de sa classe, modifiant ainsi en profondeur l’emplacement et la courbure des fronti\u00e8res de s\u00e9paration.<\/p>\n Pour pr\u00e9venir cette distorsion, l’application pr\u00e9alable de techniques de diagnostic robuste s’av\u00e8re indispensable. L’utilisation de la distance de Mahalanobis robuste<\/a>, fond\u00e9e sur l’estimateur du d\u00e9terminant de covariance minimale (MCD pour Minimum Covariance Determinant<\/em>) introduit par Peter Rousseeuw, permet d’identifier et d’isoler efficacement les observations multivari\u00e9es aberrantes sans que celles-ci ne masquent leur propre pr\u00e9sence par effet d’\u00e9crasement statistique (masking effect). Cette purification raisonn\u00e9e des donn\u00e9es garantit que les matrices de dispersion estim\u00e9es refl\u00e8tent fid\u00e8lement la structure intrins\u00e8que des populations \u00e9tudi\u00e9es.<\/p>\n1. Fondements th\u00e9oriques de l’analyse discriminante et \u00e9mergence de la QDA<\/h2>\n
1.1 Le probl\u00e8me g\u00e9n\u00e9ral de la classification supervis\u00e9e<\/h3>\n
1.2 La transition historique : des mod\u00e8les lin\u00e9aires aux mod\u00e8les quadratiques<\/h3>\n
1.3 Pertinence \u00e9pist\u00e9mologique en sciences psychologiques<\/h3>\n
2. De l’analyse discriminante lin\u00e9aire (LDA) \u00e0 l’analyse discriminante quadratique (QDA)<\/h2>\n
2.1 Rappels structurels sur l’analyse discriminante lin\u00e9aire<\/h3>\n
2.2 Le pivot conceptuel de la matrice de covariance sp\u00e9cifique<\/h3>\n
2.3 Comparaison syst\u00e9matique entre LDA et QDA<\/h3>\n
3. Les postulats statistiques fondamentaux de la QDA<\/h2>\n
3.1 L’hypoth\u00e8se de normalit\u00e9 multivari\u00e9e au sein des classes<\/h3>\n
3.2 L’h\u00e9t\u00e9rog\u00e9n\u00e9it\u00e9 structurelle des matrices de variance-covariance<\/h3>\n
3.3 Ind\u00e9pendance et qualit\u00e9 de l’\u00e9chantillonnage<\/h3>\n
4. Formulation math\u00e9matique d\u00e9taill\u00e9e de la fonction discriminante quadratique<\/h2>\n
4.1 Application de la r\u00e8gle de d\u00e9cision de Bayes<\/h3>\n