Révision sur logiciel R Produit B*C donne le produit des éléments de la
matrice et non pas le produit des matrices.
Pour enter des valeurs : Produit des matrices : P=B%*%A x=c(50,12,5,8,39,-70,-32) A-1 = l’inverse des termes de la matrice ordonner au sens croissant: sort(x) 1/1 1/3 1/5 ordonner au sens croissant: -sort(x) 1/2 1/4 1/6 la position des nonmbres ( croissant) : order(x) B[3,] -> la 3éme lignes de B -70 -> 1 50 -> 7 B[,1] -> la première colonne de B La taille : length(x) Les valeurs propres et les vecteurs propres de A : La moyenne : mean eigen(A) La somme : sum la loi normale : x=rnorm(50,2,1) 1 La variance : var = S = 2 n−1 ∑ (x i− X)2 50 : n 2:μ 1:δ 1 La loi y=runif(500,1,3) (n-1)*var(R)/n = n ∑ (x i−X ) 2
500 : n 1:a 3:b
Sd(R) = S Suite arithmétique : seq(10, 11,0.2) Z~N(0,1) P[Z<1]=φ(1) -> pnorm(1) 10 : départ 11 : arrivé 0.2 : pas Z~N(1,2) P[Z<1]=φ(1) -> pnorm(1,1,2) Répéter 1, 4 fois : rep(1,4) Q~khi-deux (1) P[Q>3.84] -> pchisq(3.84,1) Concaténation : G4=c(G1, G2, G3) Si on a P[ < ] -> p… Régression linéaire : Mod1=lm(Y~X) Si on a P[ = ] -> d… Y : la variable expliquée Y~poisson(2.5) P[Y=5] -> dpois(5,2.5) X : la variable explicable La densité en 2 -> dnorm(2) Connaitre a estimé et b estimé : summary(Mod1) Dans le continue on utilise d pour exprimer la Construire une matrice : A = matrix(1 : 6, 2, 3) densité. 2 : lignes 3 : colonnes Z~N(0,1) P[Z<a]=0.95 -> qnorm(0.95) [,1] [,2] [,3] F~f(13,22) P[F>=d]=0,05 -> df(0.95,13,22) [1,] 1 3 5 [2,] 2 4 6 La regression simple: Le R automatiquement va commencer par les Mod1=lm(Q~K) colonnes. p.value <= 0.05 -> coefficient significative Pour commencer par les lignes : p.value > 0.05 -> non significatif Matrix(1 :6, 2, 3, byrow=TREU) de plus le p.value est proche de 0 de plus le Déterminant : det(A) coefficient est significatif Inverse : solve(A) La regression multiple: Mod2=lm(Q~K*L) p.value du test de fisher <= 0.05 -> le modèle est accepté ou significatif