UTILISATION EXCEL : BARRES DERREUR Tableau collaboratif de
graphiques. Construire un second tableau pour les indicateurs statistiques. - Construire un deuxième tableau pour calculer la moyenne l'écart type et l
STATISTIQUE AVEC EXCEL
Déterminer alors la moyenne la variance et l'écart-type. (C) Représenter ces données par un diagramme à secteurs
GRAPHIQUES EXCEL 2007
3 - Graphique type Histogramme o Sélectionner le type d'incertitude à prendre en compte : Ecart type.
Procédure de traitement des données dobservation de simulation
Sous l'onglet Types standard ou Types personnalisés dans la liste Type de graphique
Mesures et incertitudes - Défi FizziQ
Cela permet de bien différencier ce que représentent le premier graphique et l'histogramme. Avec Excel il est aisé de calculer une moyenne et un écart-type.
Mesure et incertitudes au lycée
Solution avec le tableur Excel : Histogramme rectangulaire.xlsx Les mathématiques permettent de calculer l'écart-type associé à un histogramme rectangulaire.
Jonathan Lenoir
Pour tracer un graphique de données : ➢ hist(x ) ➢ plot(x
FAO Seed Security Assessment Training
Cliquez sur création (E2) puis sur modifier type de graphique (E3). 3 • Calcul de l'écart-type : Utilisation de la formule excel: • Dans G2 taper ...
UTILISATION DE LIBREOFFICE CALC : BARRES DERREUR
- Insérer un diagramme (type de diagramme : colonne normal). - Dans le graphique sélectionner un histogramme puis avec le bouton droit
Méthodes dajustements graphiques : Diagramme Probabilité
LOGNORMALE puisque cette fonction. Excel ne prévoyant pas trois paramètres mais seulement deux paramètres (moyenne et écart- type) ne correspond pas à la loi
« graphique avec « barres derreurs » sous excel »
ou Moyenne + Ecart-type / Moyenne – Ecart-type. N.B. Les fonctions MAX(…) et MIN(…) déterminent la valeur maximale et minimale d'une série de cases.
STATISTIQUE AVEC EXCEL
- Ecrire en C21 : Ecart-type = et en D21 effectuer le calcul de l'écart-type avec la formule adéquate : =RACINE (D20). (C) Diagramme à secteurs et histogramme a
Traitement statistique des données pour le TIPE
L'écart type est la racine carrée de la variance. sx = ?s2 x. Définition 3. NE JAMAIS UTILISER LES BARRES D'ERREURS AUTOMATIQUE D'EXCEL.
CALCULS STATISTIQUES AVEC EXCEL
MOYENNE et ECART TYPE Démarrer le logiciel Excel ... IV- Représentation graphique de la série et interprétation de la moyenne et de l'écart type ?.
Lire ; Compter ; Tester avec R
3.3.2 Écart type et variance . 4.2 Représentation graphique bivariée . ... Ouvrez vos données sous Excel Open Office
1) Calculs de moyennes. 2) Calcul de variance et décart-type
Remarque : On rappelle que dans un histogramme c'est l'aire de la bande qui est proportionnelle à l'effectif. On pourra donc se servir d'Excel pour calculer
Jonathan Lenoir
Pour importer des données stockée dans un fichier texte (.txt) ou excel la loi Normale de moyenne 175 cm et d'écart type 6 cm.
Le ``BSTD – Une représentation graphique de la brillance et de l
1 sept. 2017 L'ECART TYPE SPECTRAL COMME POSSIBLE REPRESENTATION DE. L'EVOLUTION DU TIMBRE SONORE. Mikhail Malt. Emmanuel Jourdan mikhail.malt@ircam.fr.
FAO Seed Security Assessment Training
minimum amplitude
CONTROLE PROGRESSIF AUX MESURES METHODE S
aux mesures lorsque l'écart type est inconnu. Cet article propose une approche graphique simple à mettre en œuvre dans les entreprises
Manipulation et
visualisation de données dans R Jonathan Lenoir (MCU), jonathan.lenoir@u-picardie.fr http://www.u-picardie.fr/edysan/Plan du cours
Chapitre 2 : Manipulation et visualisation de données dans R2.1. Quelques fonctions utiles pour manipuler ses données
2.2. Quelques fonctions utiles pour visualiser ses données
2.3. Applications
2.3.1. À partir de données simulées
2.3.2. À partir de données réelles
2.3.2.1 Issues de tableaux de données (data frame)
Plan du cours
Chapitre 2 : Manipulation et visualisation de données dans R2.1. Quelques fonctions utiles pour manipuler ses données
2.2. Quelques fonctions utiles pour visualiser ses données
2.3. Applications
2.3.1. À partir de données simulées
2.3.2. À partir de données réelles
2.3.2.1 Issues de tableaux de données (data frame)
Importer des données
Pour importer des données stockée dans un fichier texte (.txt) ou excel ¾Syntaxe : read.table(file, header, sep, dec, ...) -file: nom du fichier (e.g., .txt) -header: argument de type booléen TRUE ou FALSE (par défaut) permettant (TRUE) ou non (FALSE) la première ligne du fichier de données contient le nom des variables -sep -dec décimalesExemple à partir de données de tableur
Ouvrez Excelet remplissez le tableau de données suivant :Individus (id)Poids (g)Taille (mm)Sexe (F/M)
131185F
225169F
329177F
430180F
531185F
628180F
731181F
829179F
929176F
1033194F
1128181M
1229184M
1330191M
1429178M
1527175M
1626172M
1727178M
1828178M
1925171M
2028173M
Souris des Cactus (Peromyscuseremicus)
Enregistrez dans votre répértoire de travail le tableau de données au un séparateur de type tabulation :Importation dans R
> souris <-read.table("souris.txt", header=TRUE, sep="\t") > str(souris) 'data.frame': 20 obs. of 4variables: $ Individus..id.: int 1 2 3 4 5 ... $ Poids..g. : int 31 25 29 30 31 ... $ Taille..mm. : int 185 169 177 180 185 ... $ Sexe..F.M. : Factor w/ 2 levels "F","M": 1 1 1 1 1 ... $PPHQPLRQAAA 5 QMLPH SMV certains symboles du types parenthèses etc. Il pourrait donc être utile de renommer les variablesR à bien codé la
YMULMNOH 6H[H HQ
variable qualitative (factor) à deux modalitésRenommer des variables
> names(souris) [1] "Individus..id." "Poids..g." "Taille..mm." "Sexe..F.M." > names(souris) <-c("ind", "poids", "taille", "sex") > str(souris) 'data.frame': 20 obs. of 4 variables: $ ind: int1 2 3 4 5 6 7 8 9 10 ... $ poids: int31 25 29 30 31 28 31 29 29 33 ... $ taille: int185 169 177 180 185 180 181 179 176 194 ... $ sex : Factor w/ 2 levels "F","M": 1 1 1 1 1 1 1 1 1 1 ... > souris$ind <-as.character(souris$ind) > souris$poids <-as.numeric(souris$poids) > souris$taille <-as.numeric(souris$taille) > str(souris) 'data.frame': 20 obs. of 4 variables: $ ind: chr"1" "2" "3" "4" ... $ poids: num31 25 29 30 31 28 31 29 29 33 ... $ taille: num185 169 177 180 185 180 181 179 176 194 ... $ sex : Factor w/ 2 levels "F","M": 1 1 1 1 1 1 1 1 1 1 ... (e.g., numeric), on utilise les fonctions etc.Sélectionner un sous-ensemble de données
Pour sélectionner un sous-ensemble de données qui répondent à¾Syntaxe : which(x, arr.ind)
-x -arr.ind: argument de type booléen TRUE ou FALSE (par défaut) permettant données pour lesquelles la condition se réalise (TRUE) ide position de chacune des données pour lesquelles la condition se réalise (TRUE) > souris$sex [1] F F F F F F F F F F M M M M M M M M M MLevels: F M
> souris$sex=="F" [1] TRUE TRUE TRUE TRUE TRUE TRUE TRUE TRUE TRUE TRUE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE > which(souris$sex=="F") [1] 1 2 3 4 5 6 7 8 9 10 > index <-which(souris$sex=="F") > souris[index, c("ind", "poids", "sex")] ind poids sex1 1 31 F
2 2 25 F
3 3 29 F
4 4 30 F
5 5 31 F
Où sont les femelles ?
Construire une table de contingence
une table de contingence :¾Syntaxe : table(list, exclude, useNA, ...)
-list -exclude: vecteur contenant les modalités à exclure du calcul de la table de contingence, si besoin -useNA: argument à trois options permettant de gérer la présence de valeurs non-attribuées ou manquantes (NA) dans les données Le résultat renvoyé est une table de contingence avec les effectifs par > souris[, "pel"] <-c(rep("B", 3), rep("G", 10), rep("B", 7)) > table(souris$sex, souris$pel) B G F 3 7 M 7 3Combiens de mâles et de femelles ?
calculer les effectifs chez les deux sexes : > table(souris$sex) F M 10 10 premiers individus au pelage brun, les dix suivants au pelage gris et les septs derniers au pelage brun puis calculer la table de contingenceObtenir des informations par modalités
Pour calculer rapidement des informations statistiques (moyenne, variance, écart-¾Syntaxe : tapply(x, index, fun, ...)
-x quantitatives représentant une variable quantitative -indexxet qui renseigne pour chaque observation du vecteur x, les modalités de la variable qualitative étudiée -fun: la fonction de calcul utilisée (e.g., moyenne, variance, écart- type, etc.) > tapply(souris$poids, list(souris$sex, souris$pel), mean)B G
F 28.33333 30.14286
M 27.14286 29.00000
Poids moyens des mâles et des femelles ?
calculer le poids moyen chez les deux sexes : > tapply(souris$poids, souris$sex, mean)F M
29.6 27.7
Même question mais cette fois-ci par modalité croisée des variablesPoids moyens des mâles et des femelles ?
NB : pour calculer les poids moyens par sexe, on peut également > F <-souris[souris$sex=="F", "poids"] > M <-souris[souris$sex=="M", "poids"] > lapply(list(F, M), mean) [[1]] [1] 29.6 [[2]] [1] 27.7Découper des chaînes de caractères
¾Syntaxe : strsplit(x, split, ...)
-x -split: une séquence de lettres, de mots ou de caractères recherchée xet permettant de redécouper ce texte en plus petites sections détectées avant et aprés la séquence de caractères est un vecteur de caractères contenant les sections de texte > strsplit(liste_esp, " ") [[1]] [1] "Peromyscus" "californicus" [[2]] [1] "Peromyscus" "eremicus" [[3]] [1] "Peromyscus" "interparietalis" [[4]] [1] "Peromyscus" "dickeyi" suivante : > liste_esp <-c("Peromyscus californicus", "Peromyscus eremicus", "Peromyscus interparietalis", "Peromyscus dickeyi")Peromyscus
Sélectionner par séquence de caractères
¾Syntaxe : grep(pattern, x, ...)
-pattern: une séquence de lettres, de mots ou de caractères recherchée dans le texte qui est contenu x -x: charactercontenant des éléments de texte et dans lequel chaque élément sera scanné pour détecter la séquence de caractères recherchée ide position des éléments de xpour lesquelles la séquence de caractères recherchée a été détectée > sel <-lapply(strsplit(liste_esp, " "), function (x) x[2]) > sel [[1]] [1] "californicus" [[2]] [1] "eremicus" [[3]] [1] "interparietalis" [[4]] [1] "dickeyi" > index <-grep("us", sel) > liste_esp[index] [1] "Peromyscus californicus" "Peromyscus eremicus"Exemple de sélection
Plan du cours
Chapitre 2 : Manipulation et visualisation de données dans R2.1. Quelques fonctions utiles pour manipuler ses données
2.2. Quelques fonctions utiles pour visualiser ses données
2.3. Applications
2.3.1. À partir de données simulées
2.3.2. À partir de données réelles
2.3.2.1 Issues de tableaux de données (data frame)
Les principales fonctions
Pour tracer un graphique de données :
¾hist(x, ...)
¾plot(x, y, ...)
¾contour(x, y, z, ...)
¾image(x, y, z, ...)
Pour ajouter des éléments à un graphique existant :¾abline(a, b, h, v, ...)
¾points(x, y, ...)
¾lines(x, y, ...)
¾segments(x0, y0, x1, y1, ...)
¾polygon(x, y, ...)
Pour contrôler les paramètres graphiques :
¾par(font.axis, font.lab, font.main, font.sub, mfrow, ...)¾windows(width, height, ...)
Histogrammes
> T <-souris$taille > hist(T, main="Taille (cm)", xlab="Classes", ylab="Nb. ind.") > hist(T, breaks=seq(160, 200, 2), main="Taille (cm)", xlab="Classes", ylab="Nb. ind.")Nuages de points
> x <-1:10 > y<-x+x^2 > plot(x, y, main="Un nuage de points", type="p")Plusieurs types de représentation
¾type="h"¾type="s"¾type="n"
Les symboles
des symboles du nuage de points : > x <-1:25 > y<-rep(1, 25) > plot(x, y, pch=x, axes=FALSE, xlab="Codes symboles", ylab="", cex.lab=2) > axis(side=1, at=seq(1, 25, 1))La taille des symboles
symboles du nuage de points : > x <-seq(0.5, 5, 0.5) > y<-exp(x) > plot(x, y, cex=x, pch="e", main="Taille des symboles")La couleur des symboles
> x <-1:25 > y1<-rep(1, 25) > y2 <-rep(2, 25) > y3 <-rep(3, 25) > plot(x, y1, col="blue", axes=FALSE, xlab="Couleurs", ylab="", cex.lab=2, cex=5, pch=20, ylim=c(0,4)) > points(x, y2, col=rgb(x/max(x), rep(0, 25), rep(1, 25)), cex=5, pch=20) > points(x, y3, col=rainbow(length(x)), cex=5, pch=20) > palette() [1] "black" "red" "green3" "blue" "cyan" "magenta" "yellow" [8] "gray" > palette(rgb(0, seq(0, 1, length.out=10), 1)) > palette() [1] "blue" "#001CFF" "#0039FF" "#0055FF" "#0071FF" "#008EFF" [7] "#00AAFF" "#00C6FF" "#00E3FF" "cyan"Une palette de couleurs
actuellement disponible dans R : > colors() [1] "white" "aliceblue" "antiquewhite" [4] "antiquewhite1" "antiquewhite2" "antiquewhite3" [7] ...Jouer avec la palette de couleur
> x <-rep(1:10, 10) > y <-rep(1:10, each=10) > palette(rainbow(length(x))) > plot(x, y, pch=15, cex=3, col=1:100, main="Couleurs") > plot(x, y, pch=15, cex=3, col=51:60, main="Couleurs") > plot(x, y, pch=15, cex=3, col=rev(51:60), main="Couleurs")Images et isoclines
visualiser une troisième dimension dans un plan : > x <-rep(seq(-5, 25, length.out=100), 100) > y <-rep(seq(600, 1600, length.out=100), each=100) > z <-1/(1+exp(-(1+x-0.1*x^2+10^-4*y-2*10^-6*y^2))) > z <-matrix(z, ncol=100, nrow=100) > T <-seq(-5, 25, length.out=100) > P <-seq(600, 1600, length.out=100) > image(T, P, z, col=rgb(0, seq(0, 1, 0.1), 1), axes=FALSE) > contour(T, P, z, add=TRUE, col="darkgrey", labcex=1) > axis(side=1) > axis(side=2) > box(col="darkgrey") > title("Probabilité de présence en fonction de T (deg) et P (mm)")Images et isoclines
À vous de jouer
nuage de points du poids en fonction de la taille : > P <-souris$poids > plot(T, P, xlab="Taille (mm)", ylab="Poids (g)", main="Souris des cactus", col="blue", pch=20, type="b")Attention!!! Sur ce type
de représentation, il estQ˔ŃHVVMLUH GRUGRQQ˔HV
les valeurs le long deOM[H GHV MNVŃLVVHV
À vous de jouer
> plot(T[order(T)], P[order(T)], xlab="Taille (mm)", ylab="Poids (g)", main="Souris des cactus", col="blue", pch=20, type="b")Ajouter des éléments à un graphique
existant : > x <-seq(0, 1, length.out=100) > y <-1+x-x^2 > plot(x, y, type="n", main="Parabole")quotesdbs_dbs1.pdfusesText_1[PDF] ecart type pondéré excel
[PDF] ece svt 2016
[PDF] ece svt corrigés
[PDF] ece svt methode
[PDF] ece svt sujet 2017
[PDF] ece un regard sur l'évolution de l'homme
[PDF] ececa
[PDF] ecg genève
[PDF] ecg inscription 2017
[PDF] ecg jean piaget inscription
[PDF] ecg luxembourg
[PDF] echange ancien permis de conduire
[PDF] echange gazeux definition
[PDF] echange internationaux economie