Scribd
Importer
159 vues7 pages

Analyse Statistique Avancée avec R

Ce document présente les résultats de plusieurs analyses statistiques effectuées sur des données. Il contient des tests de normalité, de variance et des tests de Kruskal pour comparer des groupes. Les résultats montrent des différences significatives entre les groupes pour certaines variables.

Transféré par

Mohamed SELFATI
Copyright
© © All Rights Reserved
Nous prenons très au sérieux les droits relatifs au contenu. Si vous pensez qu’il s’agit de votre contenu, signalez une atteinte au droit d’auteur ici.
Formats disponibles
Téléchargez aux formats DOCX, PDF, TXT ou lisez en ligne sur Scribd
159 vues7 pages

Analyse Statistique Avancée avec R

Ce document présente les résultats de plusieurs analyses statistiques effectuées sur des données. Il contient des tests de normalité, de variance et des tests de Kruskal pour comparer des groupes. Les résultats montrent des différences significatives entre les groupes pour certaines variables.

Transféré par

Mohamed SELFATI
Copyright
© © All Rights Reserved
Nous prenons très au sérieux les droits relatifs au contenu. Si vous pensez qu’il s’agit de votre contenu, signalez une atteinte au droit d’auteur ici.
Formats disponibles
Téléchargez aux formats DOCX, PDF, TXT ou lisez en ligne sur Scribd

Package doBy

 sel=[Link]("D:/2017/[Link]",sep=";", dec=",")

> library(Hmisc)

> rcorr([Link](algu),type=c("spearman"))

> [Link] <- aov(TT~F2+F1)


> summary([Link])
> TukeyHSD([Link])

[Link](TT~facteur1)

> PT = dunnTest(TT ~ facteur2, method="bh")

library(RVAideMemoire)

[Link](TT,F2)
Pairwise comparisons using permutation t tests
data: TT and F2
999 permutations
D M
M 0.198 -
MT 0.006 0.018
[Link](TT,F1)
Pairwise comparisons using permutation t tests

data: TT and F1
999 permutations

C1 C10 C2 C3 C4 C5 C6 C7 C8 C9
C10 0.065 - - - - - - - - -
C2 0.065 0.065 - - - - - - - -
C3 0.067 0.082 0.112 - - - - - - -
C4 0.076 0.279 0.065 0.082 - - - - - -
C5 0.068 0.083 0.065 0.065 0.065 - - - - -
C6 0.474 0.065 0.082 0.065 0.065 0.065 - - - -
C7 0.429 0.065 0.072 0.065 0.065 0.065 0.132 - - -
C8 0.065 0.065 0.151 0.794 0.092 0.065 0.065 0.065 - -
C9 0.065 0.112 0.167 0.794 0.195 0.065 0.065 0.065 0.722 -
T 0.065 0.082 0.065 0.065 0.065 0.157 0.065 0.065 0.065 0.065
Statistique descriptive :

Test de normalité
Rcmdr> Dataset <- [Link]("clipboard", header=TRUE, stringsAsFactors=TRUE,
Rcmdr+ sep="\t", [Link]="NA", dec=",", [Link]=TRUE)
RcmdrMsg: [2] NOTE: Le jeu de données Dataset a 44 lignes et 7 colonnes.
RcmdrMsg: [3] NOTE: Le jeu de données Dataset a 44 lignes et 7 colonnes.

Rcmdr> normalityTest(~TT, test="[Link]", data=Dataset)

Shapiro-Wilk normality test

data: TT
W = 0.96342, p-value = 0.1745

Rcmdr> Tapply(TT ~ Facteur1, var, [Link]=[Link], data=Dataset)


Rcmdr+ # variances by group
C1D C1M C2D C2M C3D C3M C4D C4M
0.2324250 0.8162917 1.0722667 0.2672250 0.7444250 0.9528667 1.7603583 0.4078250
C5D C5M T
0.6256917 0.2220250 0.0128250

Rcmdr> [Link](TT ~ Facteur1, data=Dataset)

Bartlett test of homogeneity of variances

data: TT by Facteur1
Bartlett's K-squared = 13.708, df = 10, p-value = 0.1867

Correlation entre les paramètres


Test de Kruskal (non paramètrique homologue d’anova)
> [Link](TT~Facteur1)

Kruskal-Wallis rank sum test

data: TT by Facteur1
Kruskal-Wallis chi-squared = 39.338, df = 10, p-value = 2.215e-05
> [Link](TR~Facteur1)

Kruskal-Wallis rank sum test

data: TR by Facteur1
Kruskal-Wallis chi-squared = 37.9, df = 10, p-value = 3.951e-05
> [Link](TP~Facteur1)

Kruskal-Wallis rank sum test

data: TP by Facteur1
Kruskal-Wallis chi-squared = 39.215, df = 10, p-value = 2.328e-05
> [Link](PF~Facteur1)
Error in eval(predvars, data, env) : object 'PF' not found
> [Link](PFP~Facteur1)

Kruskal-Wallis rank sum test

data: PFP by Facteur1


Kruskal-Wallis chi-squared = 36.144, df = 10, p-value = 7.95e-05

Vous aimerez peut-être aussi