COURS DE NOTE R STUDIO

Cours de Note R studio

1- enreguistrer un dossier: session, set working directoty, choose directory.

2-data=read.table("una.txt",sep="\t",header=T) run pour valider

3-data

4-attach(data) pour fixer les noms des colones

5-names(data) permet de donner le nom des colones

6-hist(Height,main = paste("Taille de", nrow(data),"Etudiants"),xlab = "Taille [cm]",ylab =

"Effectifs",labels=TRUE,las = 1,ylim = c(0,10)) pour faire l'histogramme des valeurs

on a donc des fréquences ABSOLUES.

7-hist(Height,main = paste("Taille de", nrow(data),"Etudiants"),xlab = "Taille [cm]",proba=T) pour les

histogrammes relative

8-exporter( pdf ou image ou copier pour mettre sur word)

le travail du haut à ete fait avec la donnée de "una"

hist(Height,main = paste("Taille de", nrow(data),"Etudiants"),xlab = "Taille [cm]",proba=T) pour les

histogrammes relative

8-exporter( pdf ou image ou copier pour mettre sur word)

le travail du haut à ete fait avec la donnée de "una"

9-boxplot(Pulse,main=paste("Rythme cardiaque de",nrow(data),"Etudiants"),ylab="pouls",las=1)pour

faire sortir la boite à mousstache.

10-boxplot(Pulse~Sex,col=c("lightpink","lightblue"),main=paste("Rythme cardiaque
de",nrow(data),"etudiants"),ylab="pouls",las=1) pour la couleur et la differenciation des boites à
moustaches

Travail avec una1

Note des étudiants variables qualitatifs discrets

 COURS DE NOTE R STUDIO
plot(table(note),main = paste("note de", nrow(data),"Etudiants"),las=1,xlab = "note",ylab = "Nombre
d'Etudiants") pour les histogrammes en baton

Test de comparaison

On ouvre exo 1 on a des données appariées , ces données sont moins de 30 et de petite taille donc
on ne peut pas se prononcer sur la normalité il faut faire un test de normalité.

Pour tester la normalité il faut faire le shapiro et tjrs émettre les 2 hypothèses

Hypothèse nut et n’est pas comforme

Le test de shapiro nous renseigne sur la normalié et montre que p<0.05 montre que les 2 hypothèse
est inférieure à 0.05 donc notre donnée ne suive pas une loi de normalité et on lance le test non
paramétrique.

On prend le tes de wilcox en émettant deux hypothèses :

H0 : les performances ne varie pas significativement

H1 : les performance varie significativement seulement de 5%

Après le test, p-value = 0.7701 donc H0 est accepté H0 : les performances ne
varie pas significativement ou sont identique.

On va sur la donée exo 2, en faisant le test de test de shapiro non apparié montre que les deaux
hypothèse sont supérieur à 0.05 donc c’est données suivent une loi de normalié et on on lance le test
paramétrique.

exo4

data=read.table("exo4.txt" ,sep="\t" ,header=T)

data

attach(data)

boxplot(Teau~station)
 COURS DE NOTE R STUDIO

Comme la distribution(température) est normale partout il faut ANOVA pour

l’analyse des variances.

On a fait le choix par station(8 groupe) et on n’a tester on sais rendu que la
distrutbion est normale donc un test paramétrique et ANOVA est mieux placer
Kriskal.test(Ph~station)

Wilcox.test(PE1,PE2,paired=F)

Si ya différence significative

On retient qu’on a utilisé un kurwalis