Langage R

Fondamentaux
 Introduction
Le langage R est un langage de programmation et un
environnement mathématique utilisé pour le traitement
de données et l'analyse statistique.
Il permet de réaliser
• des calculs arithmétiques
• de la manipulation de données
• une très large variété de graphiques
• des scripts (automatisation de traitements)
• de la modélisation et des simulations numériques
• une très large variété de traitements statistiques (c'est ce
pour quoi il est le plus reconnu)
• des rapports, pages web, applications interactives et
diaporamas (avec Shiny)
 Introduction
Il peut donc remplir les fonctions
• d'une calculatrice,
• d'un tableur,
• d'un langage de programmation,
• d'un logiciel de statistiques,
• d'un logiciel de dessin
• d'un éditeur de rapports et de présentations...
 Introduction
• Complet, nombreuses extensions (librairies)
• Communauté importante et active sur les
forums.
• Très utilisé dans le monde universitaire
• Les avantages d’un langage de programmation
– Liberté de création (fonctions, graphiques)
– Puissance algorithmique
 RStudio
• Nous allons travailler sur un éditeur de script ou un IDE (Integrated
Development Environment), le logiciel RStudio.
• Il est libre et gratuit et peut être téléchargé à l'adresse suivante:
http://www.rstudio.com/ide/.

Source Environnement

Plots
Console
 RStudio: zone Console
• La zone Console de RStudio correspond en fait
à l'interpréteur R de base.
 RStudio: zone Source
• La zone Source constitue l'éditeur de code. C'est
dans cette zone qu’on écrit les scripts.
• Les calculs sont exécutés dans la zone Console.
On peut envoyer les codes de la zone "Source"
vers la zone "Console"
– grâce au bouton Run (qui exécute la ou les lignes de
commande sélectionnée(s))
– grâce au bouton Source (qui exécute l'ensemble des
lignes de commande du script).
RStudio: zone Environment/History
• onglet Environment: il vous permet de
consulter l'ensemble des objets de votre
environnement
• onglet History: il vous permet de consulter
l'historique de vos commandes (i.e.
l'ensemble des commandes que vous avez
exécutées depuis le lancement de votre
session).
 RStudio: zone
Files/Plots/Packages/Help
• onglet Files: il vous permet de naviguer dans vos
dossiers et d'ouvrir/renommer/supprimer vos
fichiers.
• onglet Plots: c'est là que s'afficheront (par défaut)
les graphiques produits. Il vous permet donc de
vérifier vos sorties graphiques.
• onglet Packages: vous montre l'ensemble des
packages installés et chargés pour la session
actuelle.
• onglet Help: vous pouvez y consulter les fichiers
d'aide associés aux différentes fonctions de R.
 Console, commandes
• Au lancement de RStudio, une fenêtre (la
console) apparaît: le symbole ">" indique que R
est prêt à exécuter toute ligne de commande que
nous allons lui fournir.
• Un exemple de ligne de commande:
– 1+2
– [1] 3
• Taper entrée pour exécuter la commande. R
exécute la commande et nous affiche le résultat.
 Commentaires, historique des
commandes
• Commentaires
– 3*6 # multiplication
– [1] 18
– Les indications précédées du symbole # sont des
commentaires.
• Historique
– Si l'on exécute plusieurs lignes de commandes dans la
console, on peut "récupérer" les lignes de commandes
précédemment exécutées avec la flèche ↑ ou revenir
aux plus récentes avec ↓.
 Assignation
• Lorsque vous exécutez une commande, vous pouvez en
observer le résultat directement dans la console:
– 3*6
– [1] 18
– 53/59
– [1] 0.8983051
• Vous pouvez également choisir d'attribuer ce résultat à
un objet, qui sera référencé comme une variable
– a <- 3*6
– b <- 53/59
– On dit qu'on assigne une valeur à une variable.
– On a ainsi créé les objets a et b.
 Assignation
• N.B. : En R, l'assignation peut se faire avec le
symbole <- ou =, qui sont équivalents.
– a = 3*6
– a <- 3*6
• En revanche, R est sensible à la casse donc les
deux commandes suivantes créerons deux
objets distincts!
– a <- 3*6
– A <- 3*6
 Environnement
a <- 3*6 b <- 53/59
• Lorsque vous exécutez les commandes ci-dessus, rien
ne s'affiche dans la console.
• Vous avez créé les objets a et b, qui font désormais
partie de votre environnement de travail.
• Ces objets apparaissent dans la zone Environnement de
RStudio. Vous pouvez également afficher la liste des
objets dans l'environnement global de la manière
suivante:
– ls()
– [1] "a" "A" "b"
 Notion d’objet
• Différents objets : vecteurs, matrices, listes,
dataframe, . . .
• Les objets se différencient par
– Leur mode qui décrit leur contenu (nature des
données)
– Leur classe qui décrit leur structure (structure des
données)
• On distingue également deux types d’objets :
– Objets atomiques (mode homogène)
– Objet récursifs (mode hétérogène) → listes
 Affichage des objets
• Pour afficher la valeur des objets dans la console,
plusieurs possibilités :
– a
– [1] 18
– print(a)
– [1] 18
• On peut par la suite manipuler les objets de différentes
façon. Par exemple, de simples opérations
arithmétiques:
– a+b # calcul puis affichage
– [1] 19
– c <- a+b # calcul et création
– print(c) # affichage
– [1] 19
 Affichage des objets

• Affecter la valeur 30 à la variable Age

• Afficher Age
• Saisie d’une expression sans affectation :
print(expression)
• Affecter le résultat du calcul 23+7*2 à Age
• Afficher Age
• Affecter la valeur "Jacques" à la variable
Prenom
• Afficher prenom
• Utiliser paste pour afficher "Jacques a 37
ans"
Mode : nature des données sous R

• Types les plus courants :

– Réel (integer ou numeric)
– Chaîne de caractères (character)
– Booléen (boolean)
– Complexe. . .
• Fonction mode() permet de
connaître le mode d’un objet
Mode : nature des données sous R
• Pour connaître le mode et la longueur d’un objet
on peut utiliser, respectivement, les fonctions
mode et length :
– > x <- 1
– > mode(x)
– [1] "numeric"
– > length(x)
– [1] 1
– > A <- "Gomphotherium"; compar <- TRUE; z <- 1i
– > mode(A); mode(compar); mode(z)
– [1] "character"
– [1] "logical"
– [1] "complex"
 Autres représentations
• R représente correctement des valeurs numériques qui
ne sont pas finies, telles que ±∞ avec Inf et -Inf, ou des
valeurs qui ne sont pas des nombres avec NaN (not a
number ).
– > x <- 5/0
– >x
– [1] Inf
– > exp(x)
– [1] Inf
– > exp(-x)
– [1] 0
– >x-x
– [1] NaN
 Classe : structure des données sous R
Types les plus courants :
• Vecteur : c(), seq(), : , rep()
• Matrices : matrix()
• Tableau multidimensionnel : array()
• Liste : list()
• Tableau individus × variables (dataframe) :
data.frame()
• Fonction class() permet de connaître la classe
d’un objet
 Objet dans R
objet modes plusieurs modes
possibles dans le
même objet ?
vecteur numérique, caractère, complexe ou logique Non

facteur numérique ou caractère Non

tableau numérique, caractère, complexe ou logique Non

matrice numérique, caractère, complexe ou logique Non

tableau de numérique, caractère, complexe ou logique Oui

données
ts numérique, caractère, complexe ou logique Non

liste numérique, caractère, complexe, logique, Oui

fonction, expression, . . .
 Création d' objets
Nous avons vu dans la section précédente
comment créer des objets très simples et
comment les assigner à un environnement. Il y a
en fait une multitude de types d'objets possibles
dans R. Ici nous allons aborder
• les vecteurs
• les facteurs
• les tableaux de données
 Création de vecteurs
• On appelle vecteur toute séquence d'éléments de même type,
• Objet atomique : même mode pour tous les éléments
• Etiquette possible pour chacun des éléments du vecteur
• par exemple:
 Création de vecteurs
• On peut également créer des vecteurs
correspondant à:
 Création de vecteurs
• des séquences de valeurs répétées
 Classes des objets
• Les vecteurs peuvent être de classes
différentes selon le type de valeurs qu'ils
contiennent.
• Ils peuvent par exemple être de mode
– numérique
– caractère
– logique/booléen, c'est à dire que les valeurs qu'ils
contiennent sont de type vrai / faux (TRUE /
FALSE).
 Classes des objets
• Par exemple, pour v1, v2, et v3:
– v1 <- c(2.3,3.6,1.1,2.4,2.5,10.2)
– class(v1)
– [1] "numeric"
– v2 <- c("Paris","Lyon","Marseill")
– class(v2)
– [1] "character"
– v3 <- c(TRUE,FALSE,FALSE,TRUE,TRUE)
– class(v3)
– [1] "logical"
 Création de vecteurs
• Remarquez que l'on peut aussi utiliser c() pour
combiner plusieurs vecteurs:
– v4
– [1] 0 2 4 6
– v5
– [1] 0 1 2 3
– vglobal <- c(v4,v5)
– vglobal
– [1] 0 2 4 6 0 1 2 3
 Création de vecteurs
• Si l'on tente quelque chose comme
– v5
– [1] 0 1 2 3
– v6
– [1] "date1" "date1"
– vessai <- c(v5,v6)
– vessai
– [1] "0" "1" "2" "3" "date1" "date1"
• R ne renvoie pas de message d'erreur, mais fait
en sorte que toutes les valeurs de vessai soient
d'un même type (des chaînes de caractère ici:
guillemets autour des valeurs de v5).
 Valeurs manquantes
• Il peut arriver que certaines valeurs d'un objet
soient non renseignées. En R, ces valeurs
s'écrivent NA (pour Not Available).
• Par exemple:
– v8 <- c(3.2, NA, 8.9, 42.3, 59.2, NA)
 Création de facteurs
• Les facteurs ressemblent généralement à des vecteurs de
mode caractère, à la nuance près qu'ils comprennent
généralement plusieurs niveaux (levels), c'est-à-dire un
ensemble ni de modalités possibles :
– f1 <- factor(c("val1", "val2", "val3", "val2", "val2", "val3"))
– f1
– [1] val1 val2 val3 val2 val2 val3
– Levels: val1 val2 val3
– levels(f1)
– [1] "val1" "val2" "val3"
• La nuance entre vecteurs et facteurs est importante pour
un certain nombre de fonctions implémentées dans R.
• Il est donc assez souvent nécessaire de convertir les
vecteurs en facteurs et inversement.
 Dataframe
• Tableau individus × variables
• Plusieurs modes possibles pour les variables du
dataframe
• Fonctions de génération ou de chargement
– data.frame() : génération de données
– read.table() : lecture d’un fichier de données (séparateur
tabulation)
– read.csv() : lecture d’un fichier de données (séparateur
",")
– read.csv2() : lecture d’un fichier de données (séparateur "
;")
– package foreign pour les formats propriétaires (SPSS,
SAS, . . .)
 Création d' objets: tableaux de
données
• Un tableau de données, ou data.frame, compte plusieurs lignes
et colonnes.
• Les colonnes (ou variables) d'un tableau de données peuvent
être de types différents, et sont nommées.
• Au sein d'une colonne, toutes les valeurs doivent être de même
type.

Espèce Nom Date Parle

Chien Lassie 1940 Non
Dauphin Flipper 1964 Non
Chat Gareld 1978 Oui
Eponge Bob 1999 Oui
 Création d' objets: tableaux de
données
• Un tableau de données (data.frame) sous R, en
assemblant plusieurs vecteurs de même taille:
– Espece <- c("Chien", "Dauphin", "Chat", "Eponge")
– Nom <- c("Lassie", "Flipper", "Garfield", "Bob")
– Date <- c(1940, 1964, 1978, 1999)
– Parle <- c(FALSE, FALSE, TRUE, TRUE)
– t1 <- data.frame(Espece, Nom, Date, Parle)
– t1
– Espece Nom Date Parle
– 1 Chien Lassie 1940 FALSE
– 2 Dauphin Flipper 1964 FALSE
– 3 Chat Garfield 1978 TRUE
– 4 Eponge Bob 1999 TRUE
 Dataframe - Manipulations basiques
• Fonctions utiles
– dim() : affiche le nombre d’individus et le nombre de
variables
– ncol() : affiche le nombre de colonnes
– nrow() : affiche le nombre de lignes
– dimnames() : affiche le nom des lignes et des colonnes
– rownames() : affiche le nom des lignes (individus)
– colnames() : affiche le nom des colonnes (variables)
– head() : affiche les premières lignes
– tail() : affiche les dernières lignes
– str() : affiche la structure du jeu de données
Création d' objets, conversion d' objets
Pour interroger R quant au type (vecteur, facteur,
tableau, etc.) ou au mode (numérique, caractère,
logique, etc.) d'un objet, on utilise les fonctions
de type is.___.
• Par exemple:
– v6
– [1] "date1" "date1"
– is.factor(v6)
– [1] FALSE
– is.character(v6)
– [1] TRUE
Création d' objets, conversion d' objets
• On peut convertir un objet d'un type ou mode à
un autre en utilisant les fonctions de type as.___.
Par exemple,
• v6f <- as.factor(v6)
• v6f
• [1] date1 date1
• Levels: date1
• convertit le vecteur v6 en facteur pour créer v6f.
 Indexation d' un vecteur ou d' un
facteur
• On a accès à un élément d'un vecteur/facteur
par la commande: v[i]
• Par exemple:
– v2
– [1] "Paris" "Lyon" "Marseille" "Rennes" "Montpellier"
– v2[4]
– [1] "Rennes"
 Indexation d' un vecteur ou d' un
facteur
• On peut s'intéresser à une partie d'un objet,
par exemple un ou plusieurs éléments d'un
vecteur ou d'un facteur.
• Par exemple:
– v2[1:3] # les trois premières valeurs
– [1] "Paris" "Lyon" "Marseille"
– v2[c(2,4,5)] # les valeurs 2, 4 et 5
– [1] "Lyon" "Rennes" "Montpellier«
• L'indexation commence à 1 et non pas à 0
 Indexation d' un vecteur ou d' un
facteur
• Pour un facteur:
– f1
– [1] val1 val2 val3 val2 val2 val3
– Levels: val1 val2 val3
– f1[4:5]
– [1] val2 val2
– Levels: val1 val2 val3
• Remarquez que dans les éléments n° 4 et 5 du
facteur f1, il n'y a que la valeur "val2".
Cependant, "val1" et "val3" font toujours partie
des niveaux possibles de ce facteur!
 Indexation d' un tableau
• Si l'on s'intéresse à l'élément d'un data.frame "df"
qui se situe sur la ligne et sur la colonne, on y
accède par: df[i,j]
– df <- data.frame(X = c(1:3), Y = c(10:12), Z = c("a", "b",
"c"), stringsAsFactors = FALSE)
– df
– XYZ
– 1 10 a
– 2 11 b
– 3 12 c
 Indexation d' un tableau
• Si l'on s'intéresse à l'élément d'un data.frame "df"
qui se situe sur la ligne et sur la colonne, on y
accède par df[i,j] :
– df[1,3] # la valeur sur la ligne 1 et la colonne 3
– [1] "a"
– df[,3] # toutes les valeurs sur la colonne 3
– [1] "a" "b" "c"
– df[2,] # toutes les valeurs de la ligne 2
– XYZ
– 2 11 b
– df[2,1:2] # les deux premières valeurs de la ligne 2
– XY
– 2 11
 Indexation d' un tableau
• Pour accéder à une colonne par son nom, on
peut aussi utiliser l'opérateur $ suivi du nom de la
colonne :
– df
– XYZ
– 1 10 a
– 2 11 b
– 3 12 c
– df$X
– [1] 1 2 3
 Indexation d' un tableau
• Ou encore, on peut utiliser des double crochets
avec l'index ou bien le nom de la variable à laquelle
on s'intéresse:
– df[[3]]
– [1] "a" "b" "c"
– i <- 3
– df[[i]]
– [1] "a" "b" "c"
– df[["Z"]]
– [1] "a" "b" "c"
– df$Z
– [1] "a" "b" "c"
 Opérateurs arithmétiques
• Ils permettent d'effectuer des opérations arithmétiques
simples, comme des additions, des multiplications, etc.
– v1
– [1] 2.3 3.6 1.1 2.4 2.5 10.2 5.1 2.0
– v1 + 4 # addition
– [1] 6.3 7.6 5.1 6.4 6.5 14.2 9.1 6.0
– v1 - 3 # soustraction
– [1] -0.7 0.6 -1.9 -0.6 -0.5 7.2 2.1 -1.0
– v1 * 5 # multiplication
– [1] 11.5 18.0 5.5 12.0 12.5 51.0 25.5 10.0
– v1 / 4 # division
– [1] 0.575 0.900 0.275 0.600 0.625 2.550 1.275 0.500
– v1^2 # puissance
– [1] 5.29 12.96 1.21 5.76 6.25 104.04 26.01 4.00
 Opérateurs de comparaison
• Ils permettent de comparer des vecteurs entre eux
– v0 <- v1[1:3]
– v0
– [1] 2.3 3.6 1.1
– v0 == 3.6 # égal à
– [1] FALSE TRUE FALSE
– v0 != 2.3 # différent de
– [1] FALSE TRUE TRUE
– v0 < 4 # plus petit
– [1] TRUE TRUE TRUE
– v0 > 10 # plus grand
– [1] FALSE FALSE FALSE
– v0 <= 5 # plus petit ou égal
– [1] TRUE TRUE TRUE
– v0 >= 3 # plus grand ou égal
– [1] FALSE TRUE FALSE
 Opérateurs logiques
• Ils permettent de vérifier si une proposition est vraie ou
non.
– v0
– [1] 2.3 3.6 1.1
– !(v0 > 3) # NON logique
– [1] TRUE FALSE TRUE
– v0 < 2 & v0 > 5 # ET logique
– [1] FALSE FALSE FALSE
– v0 < 3 | v0 > 5 # OU logique
– [1] TRUE FALSE TRUE
• Noter également l'existence de la fonction is.na() qui
permet d'évaluer si les éléments d'un vecteur sont vides
ou non
– v9 <- c(3.2, NA, 59.2, NA)
– is.na(v9)
– [1] FALSE TRUE FALSE TRUE
 Opérateurs de base
Arithmétique Comparaison Logique
+ addition < inférieur à ! x NON logique
- soustraction > supérieur à x & y ET logique
* multiplication <= inférieur ou égal x && y idem
à
/ division >= supérieur ou x | y OU logique
égal à
^ puissance == égal x || y idem
%% modulo != différent xor(x, y) OU exclusif
%/% division entière
 Description des variables: Structure
des données
• Dans R, un ensemble de fonctions permet d'afficher la
structure, le type, le contenu ou encore les dimensions
d'un objet
– v9 <- c(3.2, NA, 59.2, NA)
– v9
– [1] 3.2 NA 59.2 NA
– print(v9)
– [1] 3.2 NA 59.2 NA
– str(v9)
– num [1:4] 3.2 NA 59.2 NA
– class(v9)
– [1] "numeric"
– length(v9)
– [1] 4
 Description des variables: Structure
des données (suite)
– df <- data.frame(X = c(1:4), Y = c(10:13), Z = c("a", "b",
"c", "a"), stringsAsFactors = FALSE)
– str(df)
– 'data.frame': 4 obs. of 3 variables:
– $ X: int 1 2 3 4
– $ Y: int 10 11 12 13
– $ Z: chr "a" "b" "c" "a"
– class(df)
– [1] "data.frame"
– dim(df)
– [1] 4 3
– unique(df$Z)
– [1] "a" "b" "c"
 Description des variables: Structure
des données
• 0n peut aussi se référer à l'interface graphique de RStudio :
 Description des variables: Structure
des données
• Et pour les data.frame, à la fonction View(), qui afche un tableau
interactif dans l'interface :
– View(df)
 Description des variables: Indicateurs
statistiques
• Soit x une variable aléatoire suivant une loi normale
(rnorm) d'espérance (mean) 10 et d'écart-type (sd) 3
• x <- round(rnorm(n = 15, mean = 10, sd = 3), digits = 1)
– mean(x)
– [1] 9.913333
– median(x)
– [1] 10.4
– min(x)
– [1] 5.1
– max(x)
– [1] 13.5
Description des variables: Indicateurs
statistiques (suite)
– var(x)
– [1] 6.375524
– sd(x)
– [1]
– 2.52498
– summary(x)
– Min. 1st Qu. Median Mean 3rd Qu. Max.
– 5.100 8.350 10.400 9.913 11.950 13.500
 Description des variables: Indicateurs
statistiques
• N.B. : Ces fonctions sont aussi valables pour les
colonnes d'un data.frame :
– df <- data.frame(X = c(1:4), Y = c(10:13), Z = c("a", "b",
"c", "a"), stringsAsFactors = FALSE)
– mean(df$X)
– [1]
– 2.5 median(df$Y)
– [1] 11.5
– min(df[,c(1,2)])
– [1] 1
– max(df[,c(1,2)])
– [1] 13
Description des variables: Indicateurs
statistiques
– summary(df$X)
– Min. 1st Qu. Median Mean 3rd Qu. Max.
– 1.00 1.75 2.50 2.50 3.25 4.00
– summary(df)
– XYZ
– Min. :1.00 Min. :10.00 Length:4
– 1st Qu.:1.75 1st Qu.:10.75 Class :character
– Median :2.50 Median :11.50 Mode :character
– Mean :2.50 Mean :11.50
– 3rd Qu.:3.25 3rd Qu.:12.25
– Max. :4.00 Max. :13.00
 Description des variables: Indicateurs
statistiques
• Pour décrire un data.frame, des fonctions
spécifiques sont disponibles
– df <- data.frame(X = c(1:10), Y = c(30:21), Z =
rep(c("a", "b", "c", "a", "c"), 2), stringsAsFactors =
FALSE)
– nrow(df) # Nombre de lignes (row)
– [1] 10
– ncol(df) # Nombre de colonnes (col)
– [1] 3
– colnames(df) # Nom des colonnes
– [1] "X" "Y" "Z"
Description des variables: Indicateurs
statistiques
– head(df) # 6 premières lignes
– XYZ
– 1 1 30 a
– 2 2 29 b
– 3 3 28 c
– 4 4 27 a
– 5 5 26 c
– 6 6 25 a
– tail(df) # 6 dernières lignes
– XYZ
– 5 5 26 c
– 6 6 25 a
– 7 7 24 b
– 8 8 23 c
– 9 9 22 a
– 10 10 21 c
 Fonctions sous R
• Utilité
– Manipuler des objets : importer et exporter des données,
générer des objets. . .
– Réaliser des opérations sur les objets : calcul de moyenne,
quantile, mesurer la longueur d’un objet. . .
– Afficher du texte, des graphiques . . .
• Généralités
– Définie par son nom et ses paramètres
– Certains paramètres obligatoires, d’autres optionnels
– Forme générale :
nom_fonction(par1=valeur1,par2=valeur2,...)
– Possibilité de créer ses propres fonctions : function(...){...}
 Fonctions: remarques
• Nous avons d'ores et déjà utilisé un certain
nombre de fonctions, comme
– c(),
– seq(),
– rep(),
– data.frame(),
– mean(), etc.
• Toutes les fonctions que nous avons utilisées
jusqu'à présent sont définies sur le package de
base de R.
 Fonctions sous R
• Les fonctions sont des objets qui s'écrivent avec
des parenthèses, dans lesquelles l'utilisateur
précise la valeur des arguments si besoin :
– quantile(x = x, probs = 0.1)
– 10%
– 6.54
• L'argument x est obligatoire, et l'argument probs
est optionnel. On peut ainsi ne passer que
l'argument x à la fonction:
– quantile(x = x)
– 0% 25% 50% 75% 100%
– 5.10 8.35 10.40 11.95 13.50
 Fonctions: remarques
• Si l'on passe les arguments à la fonction dans le
bon ordre, on n'a pas besoin de préciser le nom
des arguments. Ainsi, il est possible d'appeler la
fonction quantile des deux manières suivantes:
– quantile(x = x, probs = 0.1)
– 10%
– 6.54
– quantile(x, 0.1)
– 10%
– 6.54
• En revanche, l'appel suivant produira une erreur:
– quantile(0.1,x)
– Error in quantile.default(0.1, x): 'probs' outside [0,1]
 Fonctions: remarques
• Pour accéder aux informations quant aux arguments d'une
fonction, on peut consulter l'aide associée des deux façons
suivantes:
– help(quantile) ?
– quantile
 Fonctions
sum(x) somme des éléments de x
prod(x) produit des éléments de x
max(x) maximum des éléments de x
min(x) minimum des éléments de x
which.max(x) retourne l’indice du maximum des éléments de x
which.min(x) retourne l’indice du minimum des éléments de x
range(x) idem que c(min(x), max(x))
length(x) nombre d’éléments dans x
mean(x) moyenne des éléments de x
median(x) médiane des éléments de x
var(x) ou cov(x) variance des éléments de x (calculée sur n − 1) ; si x est une
matrice ou un tableau de données, la matrice de variance
covariance est calculée

var(x, y) ou cov(x, y) covariance entre x et y, ou entre les colonnes de x et de y si ce

sont des matrices ou des tableaux de données
 Aide au sein du logiciel R
• Aide générale de R : help.start()
• Aide sur une fonction :
– help("Nom_fonction") ou ?Nom_fonction
– Nom de fonction inconnu : help.search("Mot-clé")
• Obtenir l’ensemble des fonctions d’un package
: library(help="Nom_package")
– Exemple : library(help="stats")