Projet Statistique sous

Année Académique: 2021/2022

Niveau: C2A1-MDSMS : Cycle 2, Année 1

Filière : Ingénieur Statisticien Economiste

WANSOUWE WANBITCHING, PhD

1
Informations générales
 Intitulé : Projet Statistique sous R
◦ Cours magistral : 10 heures
◦ Travaux dirigés : 5 heures
◦ TPE / TP : 5 heures
Éléments constitutifs de l'Unité d'Enseignement
◦ Cours magistral : soyez attentifs!
◦ Travaux Dirigés : Exercices
◦ Travail Personnel de l'étudiant
Organisation des évaluations
◦ Exercices et Travaux Pratiques
◦ Questions de cours
◦ Parfois des QCM

Types d'évaluation
◦ Projet : Travail à faire à la maison

2
Plan

Notions Intitulés
1 Introduction: R et Statistiques
2 Objets de R
3 Structures de données
4 Fonctions
5 Manipulation des données
6 Tests statistiques avec R

3
Pourquoi ce cours ?

L’objet de ce cours est d’initier les

apprenants à l’utilisation du logiciel R
pour l’analyse et le traitement des
données statistiques.

Ce cours doit être compris comme une

introduction à….
4
A- Introduction : R et Statistique

5
Introduction
R est un système d’analyse statistique et graphique
créé par R. Ihaka et R. Gentleman1
•Logiciel gratuit téléchargeable

http://www.r-project.org/
•Également disponible sous forme commercialisée S-Plus
•Développé par une communauté de statisticiens rassemblés
dans le R Development Core Team
•Distribué pour Windows, Linux, Unix, Macintosh

1 6
Ikaha Ross, Gentleman Robert. 1996. R: a language for data analysis and graphics. J. Comput. Graph. Stat., 5: 299-314.
http://www.r-project.org/

Liens pour télécharger

(gratuitement) R, des
packages, de la doc,
etc…

Moteur de recherche

Documentation

7
•R peut être couplé à d’autres systèmes
d’analyse de données (système d’analyse
spatiale GRASS …)

Représentation graphique des données Analyse des structures spatiales

• Le principal inconvénient est un manque de

convivialité

8
Pour vous guider, vous disposez de nombreux sites d’aide
et d’exemples sur internet, par exemple :

http://pbil.univ-lyon1.fr/R/enseignement.html
http://zoonek2.free.fr/UNIX/48_R/all.html

En cas de difficultés, il est possible d’adresser vos

questions à la R help list
http://stat.ethz.ch/R-manual/
9
 De nombreux tutoriels sont disponibles sur internet, par exemple :
« R pour les débutants », Emmanuel « An introduction to R », Venables et
Paradis al (en anglais)

D’autres sont disponibles sur le site de R-project :

http://cran.r-project.org (cliquer sur « Manuals » dans la
sous-partie « Documentation ») 10
Bienvenue dans R…

11
Bienvenue dans R…

12
• Il est indispensable avant tout travail dans R, de
spécifier le dossier de travail dans lequel se trouve le
(ou les) fichier(s) de données à analyser :

File → Change Dir… → sélectionner le dossier*

Ou pour la version française :
Fichier → Changer le répertoire courant… →
sélectionner le dossier*

• Pour vérifier que vous travaillez bien dans le bon

dossier, vous pouvez contrôler votre working
directory par la commande :
getwd() 13
* procédure pour PC. Quelques subtiles différences pour Macintosh
Adresse du répertoire de travail

14
 Aide dans R
 À l’aide !
> help.start()

 Aide avec recherche par mots clés

> help.search("working directory")

 Aide spécifique à une fonction connue

> ? getwd

15
Pour obtenir l’aide sur une commande :
?nom_de_la_commande

Pour utiliser une commande :

nom_de_la_commande(argument1,argument2,…)
16
Sortez moi de là

17
 Sauver votre travail
Dans R
1 Dans Tinn R 2.2. Sauver
sauver votre 2.1. votre historique de
script commande.

Sauver votre environnement de

travail cad tous les objets créés au
cours de votre travail. 18
R : un langage

19
 Introduction
 R est constitué de :
 Langage orienté objet

 Fenêtre de commande pour envoyer des instructions

 Fenêtre graphique pour visualiser les résultats
 Système de modules ou ”packages” alimenté par la

communauté

 Large communauté d’utilisateurs et de développeurs

20
Structure de R

21
R pour programmer

22
Structure du langage
 On compte donc trois grands types
d’éléments structuraux :

 Les objets

 Les éléments de contrôle

 Les fonctions

23
Objets

24
 Manipuler les objets
Les objets sont de plusieurs types
 character (ex : texte)
 logical (ex : booléen)
 factor (ex : variable qualitative)
 numeric (ex : variable quantitative)
 vector (ex : tableau de valeurs de même type sans
dimension)
 matrix (ex : tableau de valeurs de même type à 2
dimensions)
 array(ex: tableau de valeurs de même type à plus de 2
dimensions)
 data frame (ex: tableau de valeurs de types différents à 2
dimensions)
 list(ex: stockage de valeurs de plusieurs types
> ?class : une fonction très utile pour le type 25
Création d’objets de classe « numeric »
 Trois manières de créer un objet « numeric » ”x” de valeur 10

 On peut créer un autre objet ”y” à partir de l’objet ”x” :

26
 Objets plus complexes
 Soit ”v” un vecteur contenant 6 entiers allant de 1 à 6

 La merveilleuse fonction ”seq()” :

27
 Création d’objets de classe ”matrix”
 Soit ”m1” et ”m2” deux matrices 2*3 contenant les valeurs de ”v” :

28
Opérations matricielles
 Addition :

 Transposition :

 Multiplication :

29
Création d’objets de classe « logical »
 Booléens :

30
Les opérations logiques utiles dans R
 Quelques opérateurs logiques :

31
 Liste : définition
Définition (objet list)
Une liste est une collection d’objets hétérogènes. Elle est définie par la
commande list(el1=, el2=, ...). Les éléments d’une liste peuvent
posséder un nom.

> list(c(1,2,3),c("robert","johnson"),matrix(rnorm(4),2,2))
[[1]]
[1] 1 2 3
[[2]]
[1] "robert" "johnson"
[[3]]
[,1] [,2]
[1,] 0.2913862 0.3303319
[2,] -1.4849716 2.4071609

32
 Liste : définition
Définition (objet list)
Une liste est une collection d’objets hétérogènes. Elle est définie par la
commande list(el1=, el2=, ...). Les éléments d’une liste peuvent
posséder un nom.

> list(numero = c(1,2,3), noms = c("robert","johnson"), mat =

matrix(rnorm(4),2,2))
$numero
[1] 1 2 3
$noms
[1] "robert" "johnson"
$mat
[,1] [,2]
[1,] 1.4355363 -0.8544773
[2,] 0.6386084 1.9803265

33
Création d’objets de classe list
 Un objet liste, c’est comme une commode
avec plusieurs tiroirs :

34
Retourner aux valeurs dans les objets
 Pour ouvrir et modifier les objets dans R on utilise les
crochets ”[ ]” :

35
Facteurs
Définition
Un facteur est un vecteur de variables catégorielles.
Les niveaux du facteur peuvent être ordonnés ou
pas.

 Utilisation
Les facteurs s’utilisent pour catégoriser les
données d’un vecteur (ce qui s’avère très utile
pour la gestion des variables qualitatives).

un facteur est souvent associé à d’autres

vecteurs pour en définir une partition.

36
 Création, manipulation des facteurs
 Création : la fonction factor
> factor(sample(1:3, 10, replace = TRUE))
[1] 3 3 1 2 1 2 3 1 1 1
Levels: 1 2 3
> factor(sample(1:3, 10, replace = TRUE), levels = 1:5)
[1] 3 1 2 2 3 2 1 2 2 1
Levels: 1 2 3 4 5
• Gestion : nlevels,levels,table
> x <- factor(sample(c("thesard", "CR", "MdC"), 15, replace = TRUE))
> cat(nlevels(x), "niveaux:", levels(x))

3 niveaux: CR MdC thesard

> table(x)
x
CR MdC thesard
4 8 3
37
Un exemple de facteur associé à un vecteur
Données
Chacun me donne son âge et son grade
> age <- c(25, 35, 32, 27, 32, 40, 26, 25, 26, 28,
30, NA, 36,30, 30)
> grd <- c("thd", "CR", "MdC", "thd", "thd", "MdC",
"MdC", "thd“, "thd", "MdC", "CR", "MdC", "CR", "thd",
"thd")
Question : nombre d’individus par catégorie ?
> table(grd)
grd
CR MdC thd
3 5 7

38
 La fonction tapply
Un autre point fort de R
Utilisation
Applique une fonction sur un vecteur partitionné en
groupes.

 Question : âge moyen / écart-type par catégorie ?

> tapply(age, grd, mean, na.rm = TRUE)
CR MdC thd
33.66667 31.50000 27.85714
> tapply(age, grd, sd, na.rm = TRUE)
CR MdC thd
3.214550 6.191392 2.794553
39
Objet dataframe
Définition (objet data.frame)
 C’est une liste à laquelle on impose
certaines contraintes, afin de rassembler
vecteurs et facteurs sous la forme d’un
tableau de données.
 Pratiquement, un tableau de données est
une matrice dont les colonnes sont de mode
différent,
 C’est l’objet idéal pour la manipulation de
données(forcez-vous à l’utiliser).

40
Création de tableau de données
 Syntaxe
On peut spécifier le nom des colonnes par le vecteur row.names ou
directement comme pour une liste :
data.frame(e1=,e2=,...,row.names=)
> age <- c(25, 35, 32, 27, 32, 40, 26, 25, 26, 28, 30, NA, 36, 30, 30)
> grd <- c("thd", "CR", "MdC", "thd", "thd", "MdC", "MdC", "thd",
"thd", "MdC", "CR", "MdC", "CR", "thd", "thd")
> sex <- factor(sample(c(rep("M", 3), rep("F", 12))))
> donnees <- data.frame(age = age, grade = grd, sexe = sex)
> head(donnees)
age grade sexe
1 25 thd F
2 35 CR M
3 32 MdC F
4 27 thd F
5 32 thd F
6 40 MdC F

41
Manipulation du tableau de données
 Comme une liste !
 les commandes attach() / detach placent / ôtent
les éléments du tableaux de données dans
l’itinéraire de recherche.
> donnees$age
[1] 25 35 32 27 32 40 26 25 26 28 30 NA 36 30
30
> attach(donnees, warn.conflicts = FALSE)
> grade
[1] thd CR MdC thd thd MdC MdC thd thd MdC
CR MdC CR thd thd
Levels: CR MdC thd
> detach(donnees)

42
Travailler avec les tableaux de données
 beaucoup de fonctions prédéfinies (by, tapply, etc.)
> summary(donnees)
age grade sexe
Min. :25.00 CR :3 F:12
1st Qu.:26.25 MdC:5 M: 3
Median :30.00 thd:7
Mean :30.14
3rd Qu.:32.00
Max. :40.00
NA's : 1.00
> attach(donnees, warn.conflicts = FALSE)
> by(age, sexe, mean, na.rm = TRUE)
> by(age, grade, mean, na.rm = TRUE)
43
Programmation en langage R

44
Rappels

1. Un éditeur de texte
(vos fonctions / scripts)

2. Un terminal avec R
(tester, sourcer)
« Sourcer »
source("un_script.R") : exécute la série
de commandes de mon_script.R
source("mes_fonctions.R") : charge le
contenu (les fonctions) de
mes_fonctions.R
45
Les principaux éléments de contrôle
 Il existe trois grands éléments de contrôle
permettant de manipuler les objets et les fonctions
de manière à programmer une ou des tâches :
 For
 If
 While
 Tous les trois s’utilisent à peu prés de la même
manière et peuvent se combiner les uns aux autres
de manière imbriquée :

for/if/while (conditions)
{
liste d’instructions
}

46
Structure de contrôles
Regrouper les expressions : Syntaxe
{expr_1; expr_2; ...; expr_n }
ou
{
expr_1
...
expr_n
}
Remarques sur les groupes
o La dernière valeur du groupe est retournée ;
o Un groupe d’expressions peut être passé à une fonction,
réutilisé dans une expression plus grande, etc.
47
Exécution conditionnelle : if,if/else,ifelse
 Syntaxe
if (condition) {
expr_1
} else {
expr_2
}
ou
ifelse(condition, a, b)
Remarques
o condition est une valeur logique : penser à &,|,!, . . .
o le else est optionnel,
o elseif permet d’imbriquer les conditionnements.

48
Application : calcul du prix TTC
#demander le prix ht
print("saisir prix ht")
ht <- scan()
#type de produit
print("type de produit : 1 - luxe, autre -
normal")
typprod <- scan()
#calcul du prix ttc
49
#calcul du prix ttc
if (typprod == 1)
{
tva <- 0.33
} else
{
tva <- 0.196
}
#calcul
ttc <- ht * (1 + tva)
#affichage
print(paste("prix ttc = ",as.character(ttc)))

50
Exécution répétée: boucle for
 Syntaxe
for (var in set) {
expr(var)
}
ou
for (var in set)
expr(var)
à fuir pour éviter les effets de bords sournois !
Remarques sur la boucle for
o var est la variable incrémentée,
o set est un vecteur définissant les valeurs
successives,
o lente comparée aux opérateurs matriciels.
51
 Application : calcul de la somme
# A faire : somme S = SUM_i i^2
# saisie de n
n <- scan()
# initialisation de la somme
s <- 0.0
# boucle for
for (i in 1:n){
s <- s + i^2
}
print("la somme = ")
print(s) 52
Exécution répétée : boucles while et repeat
 Syntaxe
while (condition) {
expr
}
ou
repeat {
expr
}
 Remarque
o Comme pour for, éviter les imbrications sources de
lenteur.
53
 Application : calcul de la somme
 # A faire : somme S = SUM_i i^2
 # saisie de n
 n <- scan()
 #initialisation de la somme et de l’indice
 s <- 0.0
 i <- 1
 #boucle « tant que »
 while (i < n){
 s <- s + i^2
 i <- i + 1 }
 #affichage des résultats
 print("la somme = ")
54
Contrôle des boucles : break, next
Exemples d’utilisation
repeat {
expr
if (condition) {break}
}
ou
while (condition1){
expr_1
if (condition2) {next}
expr_2
}
Remarque
 break est la seule manière d’interrompre une boucle
repeat.
55
Fonctions

56
Les fonctions
 Syntaxe
nom_de_la_fonction <- function(arg1,arg2, ...) {
expression
return(var)
}
 Remarques
o return peut être omis (à éviter) : dans ce cas la
dernière valeur calculée est renvoyée.
o peut être tapée directement dans l’interpréteur ou
dans un fichier externe functions.R, chargé par
source.
57
Un exemple simple
 Moyenne empirique d’un vecteur
Avec suppression des valeurs manquantes !
moyenne <- function(x) {
## suppression des valeurs manquantes
x.not.na <- x[!is.na(x)]
## moyenne empirique
resultat <- sum(x.not.na) / length(x.not.na)

return(resultat)
}
 Tests
> moyenne(rnorm(100))
[1] 0.06792586
> moyenne(c(1, -5, 3, NA, 8.7))
[1] 1.925 58
Les arguments, leurs valeurs par défaut
 Propriétés
o les arguments peuvent être passés dans le désordre
s’ils sont nommés : var=object,
o on peut définir une valeur par défaut pour n’importe
quel argument lors de la définition de la fonction :
var=10.
o en cas de sorties multiples, les sorties doivent être
renvoyées sous forme de liste.
 Remarques
o Les valeurs par défaut rendent la lecture des fonctions
beaucoup plus aisée pour l’utilisateur : imposer peu
d’arguments obligatoires.
o Les noms des éléments de la liste définie dans la
fonction sont conservés à l’extérieur de la fonction.
59
Un exemple (un tout petit peu) plus avancé
 Résumé numérique d’un vecteur
> resume <- function(x, na.rm = TRUE, affiche = FALSE) {
+ mu <- mean(x, na.rm = na.rm)
+ s2 <- var(x, na.rm = na.rm)
+ if (affiche) {
+ cat("\nMoyenne:", mu, "et variance:", s2)
+}
+ return(list(moyenne = mu, variance = s2))
+}

> out <- resume(rnorm(100))

> out$variance
[1] 0.7163688
> out <- resume(affiche = TRUE, x = rexp(100, 0.5))
Moyenne: 1.896648 et variance: 4.912842 60
« Les fonctions sont nos … amies »

61
Quelques fonctions usuelles
• read.table()
• apply()
• rnorm()
• cor() • sample()
• head() • sum()
• length() • str()
• match()
• table()
• var()
• mean()
• which()
• write.table()
62
Et toujours de l’aide

63
Manipulation des données avec R

64
 Importation des données
 Cas d’un fichier .csv
La fonction d’importation dépend des
caractères utilisés pour séparer les colonnes
et pour séparer les décimales.
 Format européen : read.csv2()
o colonnes séparées par un point-virgule
o décimales par une virgule,

data <- read.csv2("chemin/fichier.csv")

65
 Importation des données
Cas d’un fichier .csv
Autres formats : read.csv()
o colonnes séparées par une virgule
o décimales par un point,
data <- read.csv("chemin/fichier.csv")

66
 Importation des données
 Cas d’un fichier .txt
Dans ce cas, les colonnes sont généralement
séparées par une tabulation.

Dans ce cas, en fonction du caractère

employé pour séparer les décimales, on a les
fonctions read.delim() et read.delim2().

67
 Importation des données
 Cas des fichiers .fwf et .tsv : read_*()
On a respectivement les fonctions read_.fwf()
et read_.tsv() ou read_table() de « reader».

68
 Importation des données
 Cas des fichiers .xlxs
Si les données sont au format. xlsx, on utilise
la fonction read.xlxs() du package xlsx.

 Cas des fichiers SPSS ou Stata

Le package foreign dispose de deux
commandes permettant de charger des
fichiers enregistrés au format SPSS (fichier
.sav) ou Stata (fichier .dta) : read.spss() et
read.dta().
Il est nécessaire de “charger le package”
o library(foreign)
69
 Création et manipulation de fichier
Name_FirstName <-c("Smith_Emily", "Jonhson_Mikael", "Williams_Ashley", "Jones_Alex",
"Brown_Katie", "Davis_John","Miller_Megan", "Wilson_Matthew", "Moore_Grace", "Taylor_Jack")
Sex <- c("F", "M","F", "M","F", "M","F", "M","F", "M")
Age <- c(NA, 253L,38L, 15L, 79L, 56L, 63L, 19L, 24L,-1L)
Height <- c(1.68, 1.93, 1.55, NA, 1.63, 1.70, 1.50, 1.87, 1.52, 2.15)
Hair <- c("Blond", "Brown", "Brown", "Other", "Blond", "Other", NA, "Brown", "Blond", "Brown")
Blue_Eye <- c(1,0,0,0,1,1,0,0,0,0)
Brown_Eye <- c(0,1,1,0,0,0,1,0,1,0)
Other_Eye <- c(0,0,0,1,0,0,0,1,0,1)
people <- data.frame (Name_FirstName=Name_FirstName,
Sex =Sex ,
Age=Age,
Height=Height,
Hair=Hair,
Blue_Eye=Blue_Eye,
Brown_Eye=Brown_Eye,
Other_Eye=Other_Eye
) 70
Création et manipulation de fichier
Quelques fonctions utiles :
Pour vérifier l’importation : head(), tail()
head(people,7)
tail(people,3)
Pour contrôler la structure des données : str()
Elle permet de connaître:
 le format des données
 les dimensions du jeu de données
 le nom des variables le format de ces variables

 Remarque : `stringsAsFactor = FALSE` permet

d’éviter que les chaines de caractères soient converties
en variables catégorielles dans R. 71
Gestion des problèmes de structure avec tidyverse

1- Séparer une variable en deux colonnes avec separate()

Fonction : separate()

library(tidyverse)
people <- people %>%
separate(Name_FirstName,c("Name", "FisrtName"))

La fonction inverse est la fonction unite().

72
 Gestion des problèmes de structure avec tidyverse
2- Séparer les valeurs d'une colonne en deux lignes
Soit le dataframe enfant ci-dessous :
FirstName <-c("Emily", "Mikael", "Ashley", "Alex", "Katie", "John")
Children <- c("1B/0G","1B/2G", "0B/2G","3B/2G", "1B/1G",
"1B/5G" )
enfant <- data.frame(FirstName ,Children)

La colonne “Children” indique le nombre de

garçons (B) et celui de filles (G)
La fonction separate_rows() permet de créer des
lignes (une pour les garçons et une pour les filles)
enfant <- enfant %>%
separate_rows(Children, sep="/") 73
 Gestion des problèmes de structure avec tidyverse
2- Modifier le nom des variables
On peut facilement modifier le nom des variables
en utilisant la fonction name()

Exemple : names(people)[2] <- "Prenom"

3- Gestion des valeurs manquantes

 Recherche des valeurs manquantes : summary() ou
df_status()(package `funModelling`).
 Supprimer les lignes comportant des NA: na.omit()
people_sans_NA <- na.omit(people)
summary(people_sans_NA)
74
 Gestion des problèmes de structure avec tidyverse
3- Gestion des valeurs manquantes
 Remplacer les NA : replace_na()
Exemple :
people_rep <- people %>%
mutate(Height=replace_na(Height,mean(Height, na.rm=TRUE)))
4- Identification des valeurs aberrantes
 Les valeurs numériques : summary()
 Visualisation avec le tableur Rstudio : view() ou clic sur
l’objet dans Environnement et trier les valeurs
 Visualisations en construisant les graphiques
5- Identification les outliers : boxplot.stat()
outlier_age <- boxplot.stats(people$Age)$out
Et l’indice : outlier_idx <- which(people$Age %in% c(outlier_age)) 75
 Manipulation des données catégorielles
1. La fonction as.factor()
Soit la base de données Melanoma qui contient les données de
patients atteints de Mélanome malin.
 library(MASS)
 head(Melanoma)
 str(Melanoma)
Transformer les variables status, sex et ulcer en facteurs
o Melanoma$status <- as.factor(Melanoma$status)
o Melanoma$sex <- as.factor(Melanoma$sex)
o Melanoma$ulcer <- as.factor(Melanoma$ulcer)
o str(Melanoma)

76
 Fonctions essentielles de dplyr (Tidyverse)
select() : selectionne et éventuellement
renomme des variables

filter(): crée un dataframe avec les lignes

satisfaisant la condition.

arrange(): permet de trier des observations

mutate() : ajoute de nouvelles variables

summarise(): résume
77
 TP- Utilisation du package « dplyr »
Base de données covid-19.csv

La base contient les données collectées entre

le 20 janvier et le 1er juin 2020.

On désire déterminer les trois pays les plus

touchés par la pandémie à cette date

78
 Les variables
1. `Date`: Date
2. `Continent_Name`: Continent names
3. `Two_Letter_Country_Code`: Country Codes
4. `Country_Region`: Country names
5. `Province_State`: States/province names; value is
`All States` when state/provincial level data is not
available
6. `positive`: Cumulative number of positive cases
reported.
7. `active`: Number of actively cases on that day
8. `hospitalized`: Cumulative number of hospitalized
cases reported.
79
 Les variables
9. `hospitalizedCurr`: Number of actively hospitalized cases
on that day.
10. `recovered`: Cumulative number of recovered cases
reported.
11. `death`: Cumulative number of deaths reported.
12. `total_tested`: Cumulative number of tests conducted.
13. `daily_tested`: Number of tests conducted on the day; if
daily data is unavailable, daily tested is averaged across
number of days in between.
14. `daily_positive`: Number of positive cases reported on
the day; if daily data is unavailable, daily positive is averaged
across Snumber of days in.

80
 TP- manipulation de la base covid-19
Pour cela:
1- Importer la base de données
2- Combien d’observations et de variables compte la base?
3- Explorer la base en affichant les premières et les dernières
lignes de la base
4- Créer une variable col_vectors contenant les noms des
colonnes de la base
5- Afficher une description de la base à l’aide de la fonction
glimpse() du package tibble.

81
 TP- manipulation de la base covid-19

6- En explorant la base, vous vous rendez compte que les

informations collectées concernent les pays et parfois des
Etats(variable ‘Province_state’).

Nettoyer la base en gardant uniquement les informations

concernant les pays, puis enlever cette colonne de la base à
l’aide de la fonction filter() du package «dplyr »

7- A l’aide de la fonction groupby() regrouper les données

par pays et calculer le ratio

82
 Solution

covid_df_all_states <- covid_df %>%

filter(Province_State == "All States") %>%
select(-Province_State)

covid_df_all_states_daily_sum <- covid_df_all_states_daily %>%

group_by(Country_Region) %>%
summarise(tested = sum(daily_tested),
positive = sum(daily_positive),
active = sum(active),
hospitalized = sum(hospitalizedCurr)) %>%
arrange(desc(tested))

covid_df_all_states_daily_sum 83
Représentations graphiques

84
Importer un fichier
fonction chemin

85
Variables qualitatives – diagrammes à bandes

> barplot(table(smp.c$prof)

86
Variables qualitatives – camembert

> pie(table(smp.c$prof)

87
Variables quantitatives continues - histogramme
> hist(smp.c$age)

88
Variables quantitatives continues - histogramme
> hist(smp.c$age, col=‘’grey ’’,
> hist(smp.c$age) main=‘’’’, xlab=‘’age ’’)

89
Variables quantitatives – bâtons – boites à moustaches

>boxplot(smp.c$age,xlab=‘’age’’)

90
Variables quantitatives – bâtons – boites à moustaches

>boxplot(smp.c$age,xlab=‘’age’’)

91
Variables quantitatives – bâtons – boites à moustaches

>boxplot(smp.c$age ~smp.c$rs,ylab=‘’age’’,xlab=’’recherche de
sensation’’)

Interprétation
La distribution en âge est
légèrement supérieure
quand on a un faible
niveau de sensation que
lorsqu’on a un niveau de
sensation élevé.

92
 Distribution conjointe de 2 variables quantitatives – diagramme
cartésien
>plot(smp.c$age , smp.c$n.enfant)

93
 Distribution conjointe de 2 variables quantitatives – diagramme
cartésien
>plot(jitter (smp.c$age) , jitter(smp.c$n.enfant))
On évite ainsi la superposition des points à l’aide d’un décalage

94