Académique Documents
Professionnel Documents
Culture Documents
Le deuxième devoir du
module statistique
❑ Réalisé par :
Méthode: 1
Sur Rstudio on fait «attache(mesureTP)» et «names(mesureTP)» pour
conserve le nom de chaque colonne de la fiche mesureTP.
On utilisent la fonction Data.fram pour créée une fiche (Data) contient les
concentrations en µg/L.
Insérer tous les colonnes
mesureTP.en.µg=data.frame(SID,SITE,Type,SDATE,Date,Year,RESULT=RESULT*1000,UNIT= " µg/L ",MDL,PQL)
Premièrement on calcule log pour toutes les concentrations des sites de type R.
❑ On crée une autre fiche data de nome «log.échantillons»:
log.échantillons=data.frame(SID,SITE,Type,SDATE,Date,Year, RESULT=log(RESULT*1000),UNIT= "sans",MDL,PQL)
Les point sur la courbe Normal Q-Q Plot sont toutes proche au ligne droite donc on
peut dire que les concentrations de l’année 1994 satisfaisant la condition de
normalité et c’est ca ce qui confirme la forme de l’histogramme.
➢ Pour les années 1995, 1996 et 1997 les données des concentrations ne
sont pas aléatoires indépendants donc ne satisfaisant pas la loi normal.
6) les échantillons de quelle année valable pour
l’estimation.
Avec:
❖ Mean(echan94): est la moyenne des log-concentrations des sites de type R
de l’année 1994 (question 4) qu’est égale à 2.12038.
❖ sd (echan94) est l’écart-type des échantillons (echan94) égale à 0.3563762.
❖ t.test(echan94)$conf.int: test d’estimation par intervalle de confiance en
pourcentage 95% qui donne cette intervalle (2.018017--2.222744) de
confiance de notre résultats de (echan94).
❖ $conf.int: pour donné seulement l’intervalle de confiance par rapport au
moyenne.
Estimation ponctuelle
La méthode bootstrapping
La motivation du bootstrap est d’approcher par simulation la distribution d’un
estimateur lorsque l’on ne connaît pas la loi de l’échantillon ou, plus souvent
lorsque l’on ne peut pas supposer qu’elle est gaussienne. L’objectif est de
remplacer des hypothèses probabilistes pas toujours vérifiées ou même
invérifiables par des simulations et donc beaucoup de calcul.
49 valeur
Les Tests d’hypothèses sont utilisé pour comparé deux valeur (généralement les
moyennes) avec une fixation des erreurs (α=constant). On a deux hypothèses:
l’hypothèse nulle H0 si les deux moyennes sont en conformité et l’hypothèse
alternative H1 si les deux moyennes ne sont pas en conformité.
❑ On compare le p-value avec α:
➢ Si p-value> α donc on prend l’hypothèse H0 et on rejet l’hypothèse H1 .
➢ Si p-value< α donc on prend l’hypothèse H1 et on rejet l’hypothèse H0.
✓ Sur Rstudio le test le plus connait est: [t.test(moyenne1, mu=moyenne2)]
D’abord on crée une fiche du nom (echant.type.I) qui contient seulement les
concentrations des sites de type I (impacté) en µg/L. On suive la même
méthode des questions précédents .
680 concentrations
Puis on calcule log des concentrations des sites de type I (mieux de faire autre
fiche data du nom «log.echant.type.I»).
➢ Donc le phosphore totale (TP) des sites impacté est très élevé, il est cinq
fois plus grand que de les sites ne sont pas impacté.
11) comparaison de deux moyennes par utilisation un
test d’hypothèse.
On a : α=0.05
donc: intervalle de confiance en pourcentage = 1 - 0.05 = 0.95 = 95%
On fait t.test
On trouve :
Moyenne de «echant.type.I.1994»
D’abord on fait une commande pour créer une fiche data de ANOVA pour les
échantillons des quatre années 1994, 1997 et 1998 et 1999 (x1, x2, x3 et x4)
dans notre fiche fondamentale mesureTP (UNIT = mg/L).
❑ D’abord on fait une commande pour créer une fiche data de nom
« data.tous » et de deux collons (RESULT et Year) pour les échantillons de
toutes les années.
❑ Anova .data: une fiche data dans la quelle on applique une fonction aov de
la méthode ANOVA.
❑ Summary(anova.data): pour prendre l’information.
p-value =0.87>0.05
----------------------------------------------------
Et en fine merci cher professeur pour tous ce que vous fait
pour nous.
Malheureusement ce travail a besoin de temps pour être
affiné.
Un bon travail en a beaucoup profité et nous avons appliqué
sur le logiciel Rstudio ce que nous avons étudié dans la leçon
avec vous et avons beaucoup appris de lui. Merci pour ce
merveilleux travail que nous avons bien pu étudier.
-----------------------------