Mini Projet
Les diagrammes représentent des instruments fondamentaux en statistiques descriptives, offrant la possibilité de
représenter visuellement des données et de synthétiser des informations de façon compréhensible. Voici un
aperçu des principaux types de graphiques, leurs fonctions, ainsi que des exemples concrets pour les réaliser
avec R.
1. Diagrammes de dispersion en 3D
Objectif : Représenter graphiquement les liens entre trois variables numériques.
R Code :
# Exemple
library(scatterplot3d)
x <- rnorm(100)
y <- rnorm(100)
z <- rnorm(100)
scatterplot3d(x, y, z, main = "Diagramme 3D")
Chaque type de graphique a ses forces et ses faiblesses en fonction de la nature
des données et de l'objectif de l'analyse. Le choix dépend du message à
transmettre et des caractéristiques des données.
2. Graphiques en boîte (boxplots)
Objectif : Résumer une variable numérique en montrant la médiane, l'étendue
interquartile et les valeurs aberrantes.
R Code :
# Exemple
data <- rnorm(100)
boxplot(data, main = "Boxplot", col = "lightgreen", ylab = "Valeurs")
3. Nuages de points (scatter plots)
Objectif : Visualiser la relation entre deux variables numériques.
R Code :
# Exemple
x <- rnorm(100) y <- x + rnorm(100, sd = 0.5) plot(x, y, main = "Nuage de points", xlab =
"Variable X", ylab = "Variable Y", col = "blue")
4.
Histogrammes
Objectif : Visualiser la distribution d'une variable numérique. Montre la fréquence
des données regroupées en intervalles (bins).
R Code :
# Exemple
data <- rnorm(1000) # Génère 1000 données aléatoires
hist(data, main = "Histogramme", xlab = "Valeurs", col = "lightblue", border = "white")
5. Diagrammes à barres
Objectif : Comparer des fréquences ou des pourcentages pour des catégories.
R Code :
# Exemple
categories <- c("A", "B", "C", "D")
counts <- c(20, 15, 30, 10)
barplot(counts, names.arg = categories, col = "skyblue", main = "Diagramme à barres")
6. Courbes (line charts)
Objectif : Montrer des tendances dans le temps ou l'évolution d'une variable
continue.
R Code :
# Exemple
time <- 1:10 values <- cumsum(runif(10, min = -1, max = 1)) plot(time, values, type = "o", main = "Courbe",
xlab = "Temps", ylab = "Valeur", col = "red")
7.
Graphiques de densité
Objectif : Estimer et visualiser la fonction de densité d'une variable numérique.
R Code :
# Exemple
data <- rnorm(1000)plot(density(data), main = "Graphique de densité", col = "purple")
8. Mosaïque
Objectif : Visualiser des relations entre deux ou plusieurs variables catégoriques.
R Code :
# Exemple
data <- table(sample(c("A", "B", "C"), 100, replace = TRUE), sample(c("X", "Y"), 100, replace = TRUE))
mosaicplot(data, main = "Diagramme en mosaïque", color = TRUE)
9. Graphiques à barres empilées (stacked bar charts)
Objectif : Comparer des proportions au sein de différentes catégories.
R Code :
# Exemple
data <- matrix(c(3, 2, 1, 5, 4, 2), nrow = 2)
barplot(data, beside = FALSE, col = c("red", "blue"), legend = c("Cat1", "Cat2"), main = "Barres empilées")
10. Diagrammes circulaires (pie charts)
Objectif : Représenter les proportions ou les parts relatives entre catégories.
R Code :
# Exemple
slices <- c(10, 20, 30, 40)
labels <- c("A", "B", "C", "D") pie(slices, labels = labels, main = "Diagramme circulaire", col =
rainbow(length(slices)))
