Lire ; Compter ; Tester avec R PDF

La méthodologie du calcul des taux est assez souple pour permettre L'âge moyen à la survenance d'un événement peut être calculé de deux manières.

Indicateurs démo_mai2018

et les âges moyens d'occurrence de ces évènements : taux de fécondité taux de nuptialité

Fiche Comment construire les indicateurs sociaux

recrutement absentéisme

Lire ; Compter ; Tester avec R

Calcul de la moyenne. > mean(data$agena.rm=TRUE). [1] 21.45946. 3.3 Dispersion. 3.3.1 Quartiles. Pour une variable numeric

? ? ? ? Nj =?

1- Calculer la moyenne exacte de cette série statistique. éléments pour le calcul de la moyenne et l'écart type. Ages des bénévoles xj. Effectifs.

Notice Excel v1.1

1) Calcul d'une moyenne. On va ici calculer la moyenne d'âge de notre échantillon. - Sélectionner une cellule en bas de la colonne « age ».

Cours de statistique descriptive - Archive ouverte HAL

2 août 2016 opérations mathématiques telles que des calculs de moyennes etc. ... Exemples : Âge

CARACTÉRISTIQUES DÉMOGRAPHIQUES ET FÉCONDITÉ

1.14 Age moyen et âge médian selon le gouvernorat et le N'empêche qu'on va procéder au calcul de l'âge moyen au premier mariage par la méthode de Hajnal ...

Calculer lage sans le demander. Méthode destimation de lâge et

moyenne (voir figure annexe 1). Quelle confiance peut-on accorder a ces classements par rang naissance ? Deux constatations permettent de repondre

Institut de démographie

22 mars 2020 Alors on peut calculer l'âge moyen de maternité ou de fécondité (AMF) comme une moyenne arithmétique des âges pondérés soit par les taux de ...

Lire ; Compter ; Tester... avec R

Preparation des donnees / Analyse univariee / Analyse bivariee

Christophe Genolini

Table des matieres

1 Rappels theoriques 5

1.1 Vocabulaire . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .

1.2 Nature d'une variable . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .

1.3 Principe de l'analyse univariee . . . . . . . . . . . . . . . . . . . . . . . . .

1.4 Principe de l'analyse bivariee . . . . . . . . . . . . . . . . . . . . . . . . . .

2 Preparation des donnees 9

2.1 Telecharger . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .

2.2 Lecture des donnees . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .

2.3 Manipulation d'un data.frame . . . . . . . . . . . . . . . . . . . . . . . . . .

2.4 Modication d'une valeur . . . . . . . . . . . . . . . . . . . . . . . . . . . .

2.5 Type de variable . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .

3 Analyse univariee 15

3.1 Eectifs . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .

3.2 Centralite . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .

3.2.1 Mode . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .

3.2.2 Mediane . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .

3.2.3 Moyenne . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .

3.3 Dispersion . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .

3.3.1 Quartiles . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .

3.3.2Ecart type et variance . . . . . . . . . . . . . . . . . . . . . . . . . .19

3.4 Representation graphique . . . . . . . . . . . . . . . . . . . . . . . . . . . .

3.4.1 Diagramme en baton . . . . . . . . . . . . . . . . . . . . . . . . . . .

3.4.2 Histogramme . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .

3.4.3 Bo^te a moustaches . . . . . . . . . . . . . . . . . . . . . . . . . . . .

3.4.4 Export d'un graphique . . . . . . . . . . . . . . . . . . . . . . . . . .

4 Analyse bivariee 23

4.1 Eectifs, centralite et dispersion . . . . . . . . . . . . . . . . . . . . . . . .

4.2 Representation graphique bivariee . . . . . . . . . . . . . . . . . . . . . . .

4.2.1 Deux qualitatives . . . . . . . . . . . . . . . . . . . . . . . . . . . . .

4.2.2 Qualitative & numerique . . . . . . . . . . . . . . . . . . . . . . . .

4.2.3 Deux numeriques . . . . . . . . . . . . . . . . . . . . . . . . . . . . .

4.3 Tests . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .

4.3.1 Qualitative & Qualitative . . . . . . . . . . . . . . . . . . . . . . . .

4.3.2 Qualitative (2 classes) & Numerique . . . . . . . . . . . . . . . . . .

4.3.3 Qualitative (3 classes et plus) & Numerique . . . . . . . . . . . . . .

4.3.4 Numerique & Numerique . . . . . . . . . . . . . . . . . . . . . . . .

30
3

4TABLE DES MATIERES

Chapitre 1

Rappels theoriques

1.1 VocabulaireNomDenitionExemple

IndividuObjet etudieun etudiant

PopulationEnsemble des individustous les etudiants participant a l'ex- perienceVariablesCe qui est etudie chez les individus (et qui varie d'un individu a l'autre)[Age],[CigaretteJour],[Ni- veauSportif]Modalites (d'une variable)Liste de toutes les valeurs possibles pour une variableModalites de[Age]: de 0 ans a 120 ansObservationValeurs prises par un individu par- ticulierMarc a 21 ans,(21)est une obser- vation.1.2 Nature d'une variable La nature d'une variable determine le type d'outil statistique qu'on pourra utiliser sur la variable. Pour determiner son type, il faut se demander ce qu'on peut faire avec ses observations : 5

6CHAPITRE 1. RAPPELS THEORIQUES1.3 Principe de l'analyse univariee

L'analyse univariee permet de mieux apprehender une variable. Elle comporte quatre etapes : 1.

Cal culde se ectifs

Cal culde la c entralite

Cal culde la d ispersion

Rep resentationgrap hique

Ces etapes varient selon le type de variable. Voila le detail des etapes en fonction du type de variable :

EtapeNominaleOrdonneeDiscreteContinue

1. EectifsA faireA faireA faireInutile

2. CentraliteModeMedianeMoyenne et

MedianeMoyenne et

Mediane3. DispersionN'existe pasQuartile

Ecart type et

quartiles

Ecart type et

quartile4. GraphiqueHistogramme des eectifsHistogramme des eectifsHistogramme des eec- tifs, bo^te a moustacheDistribution et bo^te a mous- tache1.4 Principe de l'analyse bivariee L'analyse bivariee consiste a etudier deux variables conjointement, puis eventuellement a tester le lien entre les deux variables.

1.4. PRINCIPE DE L'ANALYSE BIVARI

EE7 Deux variables sont liees si conna^tre l'une donne des informations sur l'autre. Par exemple, conna^tre le sexe d'un individu permet d'en savoir un peu plus sur la longueur de ses cheveux. Attention, cela ne permet pas deconna^tremais juste d'avoir une information plus precise. Par exemple, dans l'UFR STAPS, 20% des individus ont les cheveux longs. Si on detaille selon les sexes, 4% des garcons ont les cheveux long contre 55% des lles. Conna^tre le sexe d'un individu ne donne donc aucune certitude, mais permet d'avoir un peu plus d'informations. Pour savoir si deux variables sont liees (avec un certain risque d'erreur, imcompres-

sible), on utilise un test. Le test a utiliser depend du type des variables et de leur proprietes :VariablesTest parame-

triqueDiagnosticTest non para- metriqueQualitative

Qualitative

21.Les v aleursd et outesl escase s

du tableau des eectifs atten- dus doivent ^etre superieures ou egales a 5.Test exact de Fi- sherQualitative (2 classes)& NumeriqueT de Student1.Les ecartt ypess ont egaux 2.

P ourc haquegr oupe,l av a-

riable numerique suit une loi normale OU les eectifs sont superieurs a 30.Test des rangs de

WilcoxonQualitative

(3 classes et plus)&

NumeriqueF de Fisher

(ANOVA)1.Les ecartt ypess ont egaux 2.

P ourc haquegr oupe,l av a-

riable numerique suit une loi normale OU les eectifs sont superieurs a 30.Test de Kruskal-

WallisNumerique

NumeriqueR de Pearson1.Au moi nsu ned esde uxv a-

riables suit une loi normale.R de Spearman

8CHAPITRE 1. RAPPELS THEORIQUES

Chapitre 2

Preparation des donnees

2.1 Telecharger

Avant de lire les donnees, ils vous faut R... Vous pouvez le telecharger sur le site du

CRAN :http:

cran.r-paoject.orgpuisDownload and Install R. Cliquez ensuite sur votre systeme d'exploitation (Linux, MacOS X ou Windows) puis telepcharger R en cliquant surbase.

2.2 Lecture des donnees

Excel etant un logiciel proprietaire, il est dicile a un autre logiciel de lire le format .xls. Par contre, R sait lire les chiers au format.csv. Donc, nous allons preparer un chier.csv. 1. O uvrezv osdon neessou sE xcel,O penO ce,S PSS,SAS ... 2. D ansl em enuFichierouFile, il existe probablement une optionEnregistrer sousou Exporter. Choisissez le format.csv. Si votre logiciel demande des precisions, vous pouvez lui specier :separateur decimal="."etseparateur=";". S'il ne demande rien, tout va bien. Un chier.csvvient d'^etre cree dans votre repertoire. Pour le lire a partir de R, il faut lui preciser le repertoire de lecture. Cela se fait a partir de la fen^etre R, dans le menu

Fichier!Changer le repertoire courant.

Il est maintenant possible de lire vos donnees a partir de R gr^ace a l'instruction :>### Lecture des donnees>r ead.csv2("FormationR.csv")

id sexe age taille niveau departement UFR frereEtSoeur

1 1 F 22 1,7 L3 75 SJAP 0

2 2 F 20 1,66 L3 92 SEGMI 0

3 3 F L3 78 SEGMI 0

4 4 F 25 1,65 M2 75 SJAP 0

5 5 F 340 1,62 M2 92 STAPS 0

6 ... ... ... ... ... ... ... ...

rapportRisque transAvecPres rapportAge rapportSexuel scoreConnaissance

1 Non 19 Oui 3

2 Non Non 18 Oui

3 Oui Non 15 Oui 2

4 Non 17 Oui 1

5 Oui Non 21 Oui 3

6 ... ... ... ... ...

10CHAPITRE 2. PREPARATION DES DONNEES

Pour pouvoir manipuler ce chier (et faire des statistiques dessus), il faut le stocker dans une variable de type un peu special qu'on appelledata.frame. Cela se fait a l'aide de la

eche d'aectation<-. Pour stocker vos donnees dans la variabledata, tapez :>### Lecture des donnees avec stocakge>d ata< -r ead.csv2("FormationR.csv")

Il ne se passe rien a l'ecran, maisdatacontient maintenant vos donnees. Pour veriez que c'est bien le cas, tapez simplementdata. R ache alors le contenu dedata, c'est a dire vos donnees.>### Verification que les donnees sont en memoire>d ata id sexe age taille niveau departement UFR frereEtSoeur

1 1 F 22 1,7 L3 75 SJAP 0

2 2 F 20 1,66 L3 92 SEGMI 0

3 3 F L3 78 SEGMI 0

4 4 F 25 1,65 M2 75 SJAP 0

5 5 F 340 1,62 M2 92 STAPS 0

6 ... ... ... ... ... ... ... ...

rapportRisque transAvecPres rapportAge rapportSexuel scoreConnaissance

1 Non 19 Oui 3

2 Non Non 18 Oui

3 Oui Non 15 Oui 2

4 Non 17 Oui 1

5 Oui Non 21 Oui 3

6 ... ... ... ... ...

Le pire ennemi du statisticien, tous les enqu^eteurs le savent, est lavaleur manquante. En R, les valeurs manquantes sont codeesNAou. Dans votre chier.csv, le codage de la valeur manquante depend de votre logiciel : case vide pour Excel et Open oce, un point pour SAS,... Il faut donc preciser a R le type de valeur manquante qu'il va rencontrer dans le chier. Cela se fait en ajoutant l'optionna.string="codage_Manquante"dans la ligne de lecture. Ainsi, si votre.csva ete obtenu a partir d'Excel ou Open oce, l'instruction

de lecteure estread.csv2("nom_de_fichier.csv", na.string = "")>### Lecture des donnees en considerant les manquantes>d ata< -r ead.csv2("FormationR.csv",na.string="")

d ata id sexe age taille niveau departement UFR frereEtSoeur

1 1 F 22 1,7 L3 75 SJAP 0

2 2 F 20 1,66 L3 92 SEGMI 0

3 3 F L3 78 SEGMI 0

4 4 F 25 1,65 M2 75 SJAP 0

5 5 F 340 1,62 M2 92 STAPS 0

6 ... ... ... ... ... ... ... ...

rapportRisque transAvecPres rapportAge rapportSexuel scoreConnaissance

1 Non 19 Oui 3

2 Non Non 18 Oui

3 Oui Non 15 Oui 2

4 Non 17 Oui 1

5 Oui Non 21 Oui 3

6 ... ... ... ... ...

On constate que les cases vides ont ete remplacees par desNAou des. Si vous aviez utilise SAS, l'instuction auraitetedata <- read.csv2("nom_de_fichier.csv",na.string=".").

2.3. MANIPULATION D'UN DATA.FRAME11

2.3 Manipulation d'un data.frame

dataest un data.frame, c'est-a-dire un tableau contenant vos donnees. Chaque colonne du tableau contient une variable. Chaque ligne du tableau est un individu. Pour travailler sur une colonne precise (par exemple la deuxieme), tapezdata[,2]. Vous pouvez egale-

ment taper le nom du data.frame, puis le symbole $ suivi du nom de la colonne :>### Deuxieme colonne>d ata[,2]

[1] F F F F F F F F F F F F F [15] F F F F F F F F F F H H H [29] H H H H H H H H H H H H

Levels: F H

>### Colonne sexe>d ata$sexe [1] F F F F F F F F F F F F F [15] F F F F F F F F F F H H H [29] H H H H H H H H H H H H

Levels: F H

R ache le contenu de la colonne. Il indique egalement les modalites de la variable (Levels). Pour acceder a une ligne (par exemple la troisieme), tapezdata[3,]>### Troisieme ligne>d ata[3,] id sexe age taille niveau departement UFR frereEtSoeur rapportRisque

3 3 NA NA L3 78 SEGMI 0 Oui

quotesdbs_dbs47.pdfusesText_47

[PDF] moyenne dune série statistique avec intervalles

[PDF] Moyenne de deux groupes

[PDF] Moyenne de notes

[PDF] Moyenne de notes / Statistique

[PDF] Moyenne de notes / Statistiue

[PDF] Moyenne de notes exercice 112 page 121

[PDF] moyenne de pourcentage excel

[PDF] moyenne de technologie

[PDF] Moyenne de vitesse

[PDF] moyenne définition

[PDF] Moyenne du 1er trimestre

[PDF] Moyenne Du troisieme trimestre

[PDF] moyenne en anglais

[PDF] moyenne en seconde générale

[PDF] moyenne en seconde pour passer en es

[PDF] Lire ; Compter ; Tester avec R

Lire ; Compter ; Tester... avec R

Christophe Genolini

Table des matieres

1 Rappels theoriques 5

1.1 Vocabulaire . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .

1.2 Nature d'une variable . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .

1.3 Principe de l'analyse univariee . . . . . . . . . . . . . . . . . . . . . . . . .

1.4 Principe de l'analyse bivariee . . . . . . . . . . . . . . . . . . . . . . . . . .

2 Preparation des donnees 9

2.1 Telecharger . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .

2.2 Lecture des donnees . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .

2.3 Manipulation d'un data.frame . . . . . . . . . . . . . . . . . . . . . . . . . .

2.4 Modication d'une valeur . . . . . . . . . . . . . . . . . . . . . . . . . . . .

2.5 Type de variable . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .

3 Analyse univariee 15

3.1 Eectifs . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .

3.2 Centralite . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .

3.2.1 Mode . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .

3.2.2 Mediane . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .

3.2.3 Moyenne . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .

3.3 Dispersion . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .

3.3.1 Quartiles . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .

3.3.2Ecart type et variance . . . . . . . . . . . . . . . . . . . . . . . . . .19

3.4 Representation graphique . . . . . . . . . . . . . . . . . . . . . . . . . . . .

3.4.1 Diagramme en baton . . . . . . . . . . . . . . . . . . . . . . . . . . .

3.4.2 Histogramme . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .

3.4.3 Bo^te a moustaches . . . . . . . . . . . . . . . . . . . . . . . . . . . .

3.4.4 Export d'un graphique . . . . . . . . . . . . . . . . . . . . . . . . . .

4 Analyse bivariee 23

4.1 Eectifs, centralite et dispersion . . . . . . . . . . . . . . . . . . . . . . . .

4.2 Representation graphique bivariee . . . . . . . . . . . . . . . . . . . . . . .

4.2.1 Deux qualitatives . . . . . . . . . . . . . . . . . . . . . . . . . . . . .

4.2.2 Qualitative & numerique . . . . . . . . . . . . . . . . . . . . . . . .

4.2.3 Deux numeriques . . . . . . . . . . . . . . . . . . . . . . . . . . . . .

4.3 Tests . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .

4.3.1 Qualitative & Qualitative . . . . . . . . . . . . . . . . . . . . . . . .

4.3.2 Qualitative (2 classes) & Numerique . . . . . . . . . . . . . . . . . .

4.3.3 Qualitative (3 classes et plus) & Numerique . . . . . . . . . . . . . .

4.3.4 Numerique & Numerique . . . . . . . . . . . . . . . . . . . . . . . .

4TABLE DES MATIERES

Chapitre 1

Rappels theoriques

1.1 VocabulaireNomDenitionExemple

IndividuObjet etudieun etudiant

6CHAPITRE 1. RAPPELS THEORIQUES1.3 Principe de l'analyse univariee

Cal culde se ectifs

Cal culde la c entralite

Cal culde la d ispersion

Rep resentationgrap hique

EtapeNominaleOrdonneeDiscreteContinue

1. EectifsA faireA faireA faireInutile

2. CentraliteModeMedianeMoyenne et

MedianeMoyenne et

Mediane3. DispersionN'existe pasQuartile

Ecart type et

Ecart type et

1.4. PRINCIPE DE L'ANALYSE BIVARI

Qualitative

21.Les v aleursd et outesl escase s

P ourc haquegr oupe,l av a-

WilcoxonQualitative

NumeriqueF de Fisher

P ourc haquegr oupe,l av a-

WallisNumerique

NumeriqueR de Pearson1.Au moi nsu ned esde uxv a-

8CHAPITRE 1. RAPPELS THEORIQUES

Chapitre 2

Preparation des donnees

2.1 Telecharger

CRAN :http:

2.2 Lecture des donnees

Fichier!Changer le repertoire courant.

1 1 F 22 1,7 L3 75 SJAP 0

2 2 F 20 1,66 L3 92 SEGMI 0

3 3 F L3 78 SEGMI 0

4 4 F 25 1,65 M2 75 SJAP 0

5 5 F 340 1,62 M2 92 STAPS 0

6 ... ... ... ... ... ... ... ...

1 Non 19 Oui 3