Cours 3

Plan
Tests statistiques
Graphes
Graphes avancés
INTRODUCTION AU LOGICIEL R
3. Tests statistiques et graphes
Anne Dubois, Julie Bertrand, Emmanuelle Comets
emmanuelle.comets@inserm.fr
INSERM UMR738
E. Comets (UMR738) Introduction à R - Novembre 2009 1 / 65

Plan
Tests statistiques
Graphes
Graphes avancés
Plan
Tests statistiques
Moyenne et variance
Analyse de variance
Variables discrètes
Tests de distribution
Graphes
Graphes simples
Eléments des graphes
Les différents types de graphes
Sauvegarde
Graphes avancés
Librairies graphiques avancées
ggplot2

Plan
Tests statistiques
Graphes
Graphes avancés
Remise en jambe : un exercice
1 Simulez deux vecteurs vec1 et vec2 contenant 20 réalisations

d’une loi normale de moyennes respectivement 70 et 25, et de
variances 10 et 4
2 Simulez un deuxième vecteur vec3 contenant 20 réalisations
d’une loi uniforme sur l’intervalle [0; 5]
transformez vec3 pour qu’il contienne des valeurs entières
3 Créez un dataframe contenant les 3 vecteurs dans 3 colonnes, et
nommez-les "poids", "age" et "douleur" respectivement
4 Calculez les moyennes et les variances des deux variables
continues

Plan Moyenne et variance
Tests statistiques Analyse de variance
Graphes Variables discrètes
Graphes avancés Tests de distribution
Plan
Tests statistiques
Moyenne et variance
Analyse de variance
Graphes
Graphes simples
Sauvegarde
Graphes avancés
ggplot2

Test de la moyenne
Les tests usuels pour une moyenne ou une comparaison de moyenne
sont :
• le test t pour des variables normales : t.test(x) ou
t.test(x,y)
• le test de Wilcoxon, non-paramétrique, pour des petits
échantillons ou des variables non normales :
wilcox.test(x) ou wilcox.test(x,y)
Pour un test apparié on utilise l’option "paired=T"
> x <- rnorm(50,0,1)

> y <- rnorm(50,-0.27,0.4)
> w <- x + rnorm(50,0,0.1)
> t.test(x,y)
Pour ces deux tests on peut spécifier l’hypothèse alternative en

utilisant l’argument mu=.
Application du test t
Comparaison de moyennes entre 2 groupes :
> t.test(x,y)
Welch Two Sample t-test
t = 2.6064, df = 63.131, p-value = 0.01140
alternative hypothesis: true difference in means != 0
95 percent confidence interval:
0.0967519 0.7325692
Comparaison de moyennes sur données appariées :

> t.test(x,w,paired=T)
Paired t-test
t = 0.246, df = 49, p-value = 0.8067
-0.02543856 0.03253569
Il est possible d’obtenir un intervalle de confiance sur l’estimation de la

moyenne en spécifiant conf.int=T, et l’option alternative ("two.sided",
"less", "greater") permet de spécifier l’hypothèse alternative.
Test de Wilcoxon
Pour une seule variable ou deux variables appariées, wilcox.test

produit un test des signes de Wilcoxon (sur x ou sur (x-y)).
Pour deux variables non appariées, le test correspond au test de

Mann-Whitney aussi appelé test des rangs de Wilcoxon.
L’option exact=T est utilisée pour demander un calcul exact de la

p-value.

Utilisation avec un dataframe

On utilise la base energy contenue dans la librairie ISwR :
> library(ISwR)
> attach(energy)
On teste une différence de dépense énergétique entre obèses et

non-obèses :
> t.test(expend~stature)
qui revient à tester :

> t.test(expend[stature=="lean"],expend[stature=="obese"])
Cela correspond en SAS à :

proc ttest data=energy;
class stature;
var expend;
run;

Exercice
1 En reprenant la base que vous avez créée en début de cours,

testez l’égalité des moyennes entre les sujets ayant un grade de
douleur inférieur ou supérieur à 2.
2 En utilisant le test de Wilcoxon, comparez les moyennes dans les
2 échantillons pour les cas suivants
A=c(0,1,2), B=c(100,150,5000)
A=c(0,1,2), B=c(100,150,5000,6000)
A=c(0,1,2,3,4), B=c(100,150,5000,6000)
Qu’en concluez-vous?
3 Faites la même chose qu’en 2 en utilisant un test t.

Comparaison des variances (1)
Par défaut, on suppose que la variance entre les 2 groupes est

différente (ce qui n’est pas le cas en SAS). Il est préférable d’effectuer
un test d’homogénéité des variances :
> var.test(expend~stature)
F test to compare two variances
F = 0.7844, num df = 12, denom df = 8, p-value = 0.6797

alt. hypothesis: true ratio of variances is not equal to 1
On ne rejette pas l’hypothèse d’égalité des variances :

> t.test(expend~stature,var.equal=T)

Comparaison des variances (2)
Le test de Fisher porte stricto sensu sur des variables normales.

D’autres tests d’homogénéité des variances sont disponibles sous R.
En particulier le test de Bartlett est plus robuste en cas d’écarts à la
normalité
> bartlett.test(expend~stature)
Bartlett test of homogeneity of variances
data: expend by stature

Bartlett’s K-squared = 0.1362, df = 1, p-value = 0.712
Il existe également des tests non-paramétriques (Fligner-Killeen,

Ansari-Bradley et Mood) d’homogénéité de la variance.

Récupération des résultats
On peut stocker le résultat du test dans un objet :

test <- t.test(x,y)
> names(test)
[1] "statistic" "parameter" "p.value" "conf.int" "estimate"
[6] "null.value" "alternative" "method" "data.name"
On peut aussi utiliser attributes(test).
Si on souhaite conserver la statistique de test, l’IC 95% et la p-value :

> res <- c(test$statistic,test$conf.int,test$p.value)
> names(res) <- c("stat","Lim0.025","Lim0.975","p.value")
> res
stat Lim0.025 Lim0.975 p.value
2.60640690 0.09675190 0.73256922 0.01140137

Corrélations
La syntaxe pour calculer la corrélation et la tester est :
> cor.test(x,y,method="methode")
où methode peut être :

• Pearson (par défaut)
• Spearman (non paramétrique)
• Kendall (non paramétrique)
> cor.test(x,y,method="spearman")
Spearman’s rank correlation rho
...
S = 15460, p-value = 0.07103
alternative hypothesis: true rho is not equal to 0
sample estimates: rho
0.2576230
Par défaut retire les valeurs manquantes.

Analyse de variance (1)
Pour comparer simultanément les moyennes de plusieurs variables,

on pratique une ANOVA.
On utilise le jeu de données red.cell.folate. On souhaite tester une
différente en folates selon le type de ventilation (N2 O+O2 pendant 24h,
N2 O+O2 pendant l’opération, seulement O2 pendant 24h) :
> attach(red.cell.folate)
> anova(lm(folate~ventilation))
Analysis of Variance Table
Response: folate
Df Sum Sq Mean Sq F value Pr(>F)
ventilation 2 15516 7758 3.7113 0.04359 *
Residuals 19 39716 2090
---
Signif. codes: 0 ‘***’ 0.001 ‘**’ 0.01 ‘*’ ...

Analyse de variance (2)
Comme une différence significative entre les 3 types de ventilation a

été mise en évidence, on peut faire un test 2 à 2 entre les types de
ventilation :
> pairwise.t.test(folate,ventilation,p.adj="fdr")
data: folate and ventilation
N2O+O2,24h N2O+O2,op
N2O+O2,op 0.042 -
O2,24h 0.232 0.408
Note: ce test inclut une correction pour tests multiples.

Autre possibilité : TukeyHSD (sur un objet de type aov)

ANOVA non paramétrique
Le test de Kruskal Wallis (kruskal.test) est la forme non paramétrique

de l’ANOVA :
> kruskal.test(folate~ventilation)
Kruskal-Wallis rank sum test
data: folate by ventilation

Kruskal-Wallis chi-squared = 4.1852, df = 2,
p-value = 0.1234

Exercice
1 La base airquality est un jeu de données de R contenant des

mesures de qualité de l’air réalisées sur plusieurs mois.
visualiser la base
2 Comparer la concentration d’ozone entre les mois de mai et

d’août.
en utilisant un test t
en utilisant un test non paramétrique
3 La concentration d’ozone est-elle comparable pour les différents

mois (utiliser un test global)?
avec une anova (utiliser as.factor() et lm)
en utilisant un test non paramétrique

Variables discrètes : test du χ2 (1)
Cas classique : on cherche à savoir si le fait de présenter une

caractéristique particulière (exemple : le fait de fumer) a une influence
sur la réponse à un traitement. On a donc deux vecteurs avec pour
chaque sujet, 1 s’il fume et 0 sinon, et sa réponse au traitement
considéré. Le tableau de contingence se construit avec la commande
table(x,y) :
> fumeur <- rbinom(50,1,0.4)
> reponse <- rbinom(50,1,0.4)
> table(fumeur,reponse)
reponse
fumeur 0 1
0 18 16
1 11 5

Test du χ2 (2)
Pour effectuer le test d’une relation entre le fait de fumer et la réponse

au traitement, on utilise la fonction chisq.test. Deux syntaxes sont
possibles :
• forme vectorielle chisq.test(x,y)

> chisq.test(fumeur,reponse)
Pearson’s Chi-squared test with Yates’ continuity correction
data: fumeur and reponse

X-squared = 0.5616, df = 1, p-value = 0.4536
• forme matricielle chisq.test(tab), en utilisant le tableau de

contingence tab
> chisq.test(table(fumeur,reponse))
...

Généralisation à plusieurs classes

On utilise les mêmes commandes si les variables ont plusieurs
classes :
> malade <- rbinom(15,2,0.3)
> trait <- rbinom(15,2,0.3)
> table(malade,trait)
trait
malade 0 1 2
0 2 3 2
1 2 3 1
2 1 0 1
> chisq.test(malade,trait)
Pearson’s Chi-squared test
data: malade and trait

Warning message:
l’approximation du Chi-2 est peut-être incorrecte in: chisq.test(malade, trait)

Variables discrètes (2)

La fonction CrossTable, contenue dans le package gmodels, permet
d’obtenir des tables de contigence identiques à la Proc Freq de SAS
:
> library(gmodels)
> CrossTable(fumeur,reponse,prop.t=F,prop.chisq=F)
| reponse
fumeur | 0 | 1 | Row Total |
-------------|-----------|-----------|-----------|
0 | 18 | 16 | 34 |
| 0.529 | 0.471 | 0.680 |
| 0.621 | 0.762 | |
-------------|-----------|-----------|-----------|
1 | 11 | 5 | 16 |
| 0.688 | 0.312 | 0.320 |
| 0.379 | 0.238 | |
-------------|-----------|-----------|-----------|
Column Total | 29 | 21 | 50 |
| 0.580 | 0.420 | |
-------------|-----------|-----------|-----------|

Tests de comparaison d’une proportion (1)

On suppose un taux de succès p = O /N où O est le nombre de
succès et N est le nombre de patients. Dans le cas de plusieurs
groupes, on suppose que l’on a les variables Succes et Groupe.
• comparaison de p à une référence :
prop.test(O,N,p0) ou binom.test(O,N,p0)
> prop.test(220,500,0.5)
1-sample proportions test with continuity correction
data: 220 out of 500, null probability 0.5

alternative hypothesis: true p is not equal to 0.5
0.3961300 0.4848059
sample estimates:
p
0.44

Tests de comparaison d’une proportion (1)
On suppose un taux de succès p = O /N où O est le nombre de

succès et N est le nombre de patients. Dans le cas de plusieurs
groupes, on suppose que l’on a les variables Succes et Groupe.
• comparaison de deux proportions :
prop.test(c(O1,O2),c(N1,N2))
fisher.test(matrix(c(O1,O2,N1-O1,N2-O2),2))
fisher.test(Succes,Groupe)
chisq.test(matrix(c(O1,O2,N1-O1,N2-O2),2))
chisq.test(Succes,Groupe)
• comparaison de plus de 2 proportions :
chisq.test(Succes,Groupe) ou fisher.test(Succes,Groupe)

Tests de normalité
Test de Shapiro-Wilk (hypothèse nulle = "normalité"):

> x <- rnorm(100)
> y <- runif(100,-2,2)
> shapiro.test(x)
Shapiro-Wilk normality test
data: x
W = 0.9872, p-value = 0.4523
> shapiro.test(y)
Shapiro-Wilk normality test
data: y
W = 0.9516, p-value = 0.001055

Test de Kolmogorov-Smirnov
ks.test(x,"distribution") pour tester si x suit la distribution
"distribution" (ex : punif, pnorm...)
ks.test(x,y) pour tester si x et y suivent les mêmes distributions
> x<-runif(20);y<-rnorm(20)
> ks.test(x,y)
Two-sample Kolmogorov-Smirnov test
data: x and y
D = 0.55, p-value = 0.003967
alternative hypothesis: two.sided
> ks.test(x,"pnorm")
One-sample Kolmogorov-Smirnov test
data: x
D = 0.5048, p-value = 3.032e-05
alternative hypothesis: two.sided

Exercice
Reprendre la base airquality pour répondre à la question : y’a-t-il

une relation entre le fait d’observer une température supérieure à
85◦ F et le fait d’observer un pic d’ozone supérieur à 75 ppb?
construire le tableau de contingence et utiliser un test du χ2
la distribution des concentrations d’Ozone suit-elle une loi
normale?
attention aux données manquantes

Plan Graphes simples
Tests statistiques Eléments des graphes
Graphes Les différents types de graphes
Graphes avancés Sauvegarde
Plan
Tests statistiques
Moyenne et variance
Analyse de variance
Graphes
Graphes simples
Sauvegarde
Graphes avancés
ggplot2

Les graphiques
La fonction de base est plot :
> x<-c(-1000:1000)*pi/500
> y<-cos(x)
> plot(x,y)
1.0
donne 0.5
0.0
y
−0.5
−1.0
−6 −4 −2 0 2 4 6

Options de la fonction plot

main="Le titre" titre du graphe
sub="Le sous-titre" sous-titre du graphe
xlab="",ylab="" légende des axes
xlim=c(xa,xb) limites des axes
ylim=c(ya,yb)
type="" par défaut : "p" pour points
sinon "l", "o", "h" ou "s"
log="" échelle logarithmique pour les X ("x"),
pour les Y ("y") ou les 2("xy")
pch=n, lty=n symbole ou type de ligne utilisé
col=n couleur
font=n,cex=n fonte et taille du texte et des symboles
Pour plus de détails, voir help(par)

Types de symboles utilisables (pour référence)
plot symbols : points (... pch = *, cex = 3 )
0 6 12 18 24 0
0
1 7 13 19 25 + +
2 8 14 20 *
* − −
3 9 15 21 . |
|
4 10 16 22 o o %
%
5 11 17 23 O
O #
#

Exemple d’utilisation de plot

> plot(x,y,xlim=c(0,pi),ylim=c(-1,1),
xlab="x",ylab="y",lty=2,type="l",
main="graphe de la fonction cosinus")
graphe de la fonction cosinus
donne 1.0
0.5
0.0
y
−0.5
−1.0
0.0 0.5 1.0 1.5 2.0 2.5 3.0

Tracé de variables discrètes

> plot(test$poids,test$womac,
xlim=c(70,85),ylim=c(0,50),
xlab="poids",ylab="womac",pch=2,type="p",
main="relation entre les variables poids et womac")
50
40
30 relation entre les variables poids et womac
womac
20
10
0
70 75 80 85
poids
Exercice
Réaliser le graphe suivant à partir de la base airquality
Ozone observée les 20 premiers jours du mois de mai
50
40
30
ozone
20
10
0
0 5 10 15 20
E. Comets (UMR738) Introduction à R -jours

Novembre 2009 33 / 65
Ajouter des éléments à un graphe
title() titre
legend() légende
text() texte
mtext() texte dans la marge
box() encadrement du graphe
lines(x,y) trait entre x(=c(a,b)) et y(=c(c,d))
points(a,b) tracé du point de coordonnées (a,b)
arrows(a,b,c,d) tracé d’une flèche entre (a,b) et (c,d)
abline(a,b) tracé de la droite d’ordonnée à l’origine a et
de pente b

Exemple
>x<-c(0:1000)*pi/100
>plot(x,cos(x),xlim=c(0,pi),ylim=c(-1,1),
type="l",ylab="",font=3)
>lines(x,sin(x),lty=2)
>abline(-1,1,lty=3)
>legend(1, -0.5, c("cos(x)", "sin(x)", "x-1"),
lty = c(1, 2, 3)) 1.0
0.5
0.0
−0.5
cos(x)
sin(x)
x−1
−1.0
0.0 0.5 1.0 1.5 2.0 2.5 3.0
E. Comets (UMR738) x
Introduction à R - Novembre 2009 35 / 65
Exercice
Réaliser le graphe suivant à partir de la base airquality
Relation entre l’ozone et le vent, selon la température
120
Temp>=85°F
Temp<85°F
100
Ozone (ppb)
80
60
40
2 4 6 8 10 12 14
Vent (mph)

hist() histogramme
barplot() graphe en barre
boxplot() boîte à moustache
qqplot(), qqnorm() graphe quantile-quantile
pie() camembert
pairs() corrélations entre les colonnes d’une matrice
matplot() corrélations entre les colonnes de deux matrices

Histogramme
On peut spécifier le nombre de barres de l’histogramme grâce à la
commande breaks
hist(airquality$Ozone) hist(airquality$Ozone
,breaks=20)
Histogram of airquality$Ozone Histogram of airquality$Ozone
25
30
20
Frequency
Frequency
15
20
10
10
5
0
0 50 100 150 0 50 100 150
airquality$Ozone airquality$Ozone

Histogrammes de plusieurs variables

Pour tracer plusieurs graphes sur la même page (ex : histogramme de
différentes variables), on utilise l’option mfrow=c(m,n)
> par(mfrow=c(2,2))
> hist(airquality$Ozone,main="",xlab="Ozone")
> hist(airquality$Solar.R,main="",xlab="Solar.R")
> hist(airquality$Wind,main="",xlab="Wind")
> hist(airquality$Temp,main="",xlab="Temp")
30
30
Frequency
Frequency
20
20
10
10
0
0
0 50 100 150 0 50 150 250 350
Ozone Solar.R
30
10 20 30
Frequency
Frequency
20
10
0
0 5 10 15 20 60 70 80 90 100
Wind Temp

Exercice
Réaliser le graphique suivant à partir de la base swiss
7
6
0.06
5
Frequency
Density
0.04
4
3
0.02
2
1
0.00
0
0 20 40 60 80 5 10 15 20 25 30 35
Agriculture Examination
10
10
8
8
Frequency
Frequency
6
6
4
4
2
2
0
0 10 20 30 40 50 0 20 40 60 80 100
E. Comets (UMR738) Education

Introduction à R - Novembre 2009 Catholic 40 / 65
Boxplot
Le boxplot permet de résumer graphiquement la distribution d’un
échantillon :
> boxplot(airquality$Ozone)
150
100
50
0
Ozone
Boxplot de plusieurs variables

On peut tracer un boxplot d’un data.frame (peu d’intérêt si les échelles
des variables sont trop différentes)
> boxplot(airquality)
300
250
200
150
100
50
0
Ozone Solar.R Wind Temp Month Day

Boxplot d’une variable selon des catégories

Pour tracer les boxplot de Ozone, selon si Temp est < ou ≤ à 85◦ F.
> air1<-transform(airquality,Iftemp=ifelse(Temp>85,1,0))
> attach(air1)
> boxplot(Ozone~Itemp,xlab="Itemp",ylab="Ozone")
> legend(1.8,170,c("0 : Temp<=85","1 : Temp>85"))
0 : Temp<85
1 : Temp>85
150
100
Ozone
50
0
0 1
Itemp

Exercice
Réaliser le graphique suivant à partir de la base swiss
90
90
80
80
70
70
Fertility
Fertility
60
60
50
50
40
40
0 : Edu <10 0 : Inf.Mort<20

1 : Edu >10 1 : Inf.Mort>20
0 1 0 1

Les spaghetti plot

La fonction interaction.plot trace des données longitudinales selon des
catégories (en particulier par sujet)
>attach(esoph)
>interaction.plot(agegp, alcgp, ncases/ncontrols,
xlab="age par groupe",trace.label="alcool")
’esoph’ Data
1.0
alcool
80−119
120+
0.8
40−79
0−39g/day
mean of ncases/ncontrols
0.6
0.4
0.2
0.0
25−34 35−44 45−54 55−64 65−74 75+
age par groupe

Quantile-quantile plot
Pour comparer les quantile empiriques de 2 vecteurs x1,x2.
Si x1 et x2 sont 2 réalisations d’une même variable aléatoire, le qq-plot
est proche de la droite y=x
> x1<-runif(100)
> x2<-runif(100)
> qqplot(x1,x2,main="qq-plot de x1 et x2")
> abline(0,1) qq−plot de x1 et x2
1.0
0.8
0.6
x2
0.4
0.2
0.0 0.2 0.4 0.6 0.8 1.0
x1
Quantile-quantile norm
Pour comparer les quantile empiriques d’un vecteur aux quantiles
théoriques de la distribution normale.
> x<-runif(100) > y<-rnorm(100)
> qqnorm(x) > qqnorm(y)
> abline(0,1) > abline(0,1)
qq−norm de x qq−norm de y
1.0
2
0.8
1
Sample Quantiles
Sample Quantiles
0.6
0
0.4
−1
0.2
−2
0.0
−3
−2 −1 0 1 2 −2 −1 0 1 2
Theoretical Quantiles Theoretical Quantiles

Camembert
Pour faire un camembert
> pie(rep(1,12),col=rainbow(12))
4 3
5 2
6 1
7 12
8 11
9 10

Corrélations : pairs
Trace les graphes des variables deux à deux :
> pairs(trees)
65 70 75 80 85
20
18
16
Girth
14
12
10
8
85
80
Height
75
70
65
70
60
50
Volume
40
30
20
10
8 10 12 14 16 18 20 10 20 30 40 50 60 70

Graphes associés à un type d’objet (1)

> attach(swiss)
> lm1<-lm(Fertility~Education)
> par(mfrow=c(2,2))
> plot(lm1) Residuals vs Fitted Normal Q−Q plot
20
8 8
2
3 3
Standardized residuals
10
1
Residuals
0
−10
−1
24
−20
24
40 50 60 70 80 −2 −1 0 1 2
Fitted values Theoretical Quantiles
Scale−Location plot Cook’s distance plot

1.5
8 0.15 42
243
Standardized residuals
Cook’s distance
1.0
0.10
47
46
0.05
0.5
0.00
0.0
40 50 60 70 80 0 10 20 30 40
Fitted values Obs. number

Graphes associés à un type d’objet (2)
Pour afficher uniquement le premier graphe :
> attach(swiss)
> lm1<-lm(Fertility~Education)
> par(mfrow=c(2,2))
> plot(lm1,which=1)
En fait plot fait ici appel à une autre fonction, plot.lm, qui sait comment
construire les graphes associés aux résultats d’une régression
linéaire. Il y a de nombreuses méthodes spécifiques associées à
différents objets :
methods(plot)

Analyse de variance (3) : graphe

> xbar <- tapply(folate,ventilation, mean)
> s <- tapply(folate,ventilation,sd)
> n <- tapply(folate,ventilation,length) # nombre de patients
> sem <- s/sqrt(n)
> stripchart(folate~ventilation,pch=16,vert=T)
> arrows(1:3,xbar+sem,1:3,xbar-sem,angle=90,code=3,length=.1)
> lines(1:3,xbar,pch=4,type="b",cex=2)
350
300
250
200
N2O+O2,24h N2O+O2,op O2,24h

Enregistrer une figure

Sauvegarde avec une commande, exemple en postscript
postscript("mongraphe.eps")
par(mfrow=c(2,2))
plot(lm1)
dev.off()
Formats disponibles
jpeg : jpeg("mongraphe.jpg")
postscript : postscript("mongraphe.eps")
png : png("mongraphe.png")
Sauvegarde avec la fenêtre graphique
placer la souris sur la figure de R puis File/Save as/ et choisir son
format
Copier-coller dans Power-Point
placer la souris sur la figure de R et taper Ctrl+C
ouvrir PowerPoint et dans une diapo, taper Ctrl+V.

Exercice
Tracer sur 4 figures placées sur une même page les densités des
lois suivantes :
loi normale centrée réduite
loi log-normale correspondante
loi de Poisson (paramètre à choisir)
loi Gamma

Plan
Tests statistiques Librairies graphiques avancées
Graphes ggplot2
Graphes avancés
Plan
Tests statistiques
Moyenne et variance
Analyse de variance
Graphes
Graphes simples
Sauvegarde
Graphes avancés
ggplot2

Plan
Graphes ggplot2
Graphes avancés
Graphes avancés
Librairies graphiques spécialisées

lattice : librairie graphique apportant des fonctions treillis
ggplot2 : définition d’une “grammaire graphique“
Ces librairies sont utilisées par d’autres librairies pour tracer des
graphes
xpose par exemple utilise lattice
Conception différente d’un graphe
graphe considéré comme un objet dont on spécifie les
caractéristiques
pas d’ajout possible sur un graphe de type lattice (mais
complètement paramétrable)

Plan
Graphes ggplot2
Graphes avancés
Librairie lattice
Utilisation similaire aux fonctions graphiques classiques mais

fonctionnement différent
création d’un objet
tracé automatique quand R est utilisé interactivement
à l’intérieur d’un fichier (source) ou d’une fonction, l’objet doit être
tracé explicitement par un print
Utilisation de formules (∼) décrivant les relations représentées
dans les graphes
relation directe et intuitive entre graphe et analyse
capacités graphiques améliorées par rapport aux graphes de la
librairie standard

Plan
Graphes ggplot2
Graphes avancés
Librairie ggplot2
Librairie développée par Hadley Wickham

première version ggplot
utilise lattice
Apprentissage
pas de tutoriel
livre disponible en PDF

Plan
Graphes ggplot2
Graphes avancés
Graphe de base : qplot
Fonctionne comme plot

Peut être redirigé vers un objet
nécessite d’appeler l’objet pour que le graphe soit tracé
Options automatisées
ajout de couleurs pour différencier des groupes (couleurs choisies
selon des palettes prédéfinies)
différenciation (split) selon des groupes
nom des attributs faciles à retenir (colour, size, shape)

Plan
Graphes ggplot2
Graphes avancés
Un graphe avec plot

plot(airquality$Temp,airquality$Ozone,xlab="Temperature",ylab="Ozone",type="n")
month<-sort(unique(airquality$Month))
for(i in month)
points(airquality$Temp[airquality$Month==i],
airquality$Ozone[airquality$Month==i],col=(i-4))
legend(60,150,month,col=(month-4),pch=1)
150
Month
5
6
7
8
9
100
Ozone
50
0
60 70 80 90
Temperature
Plan
Graphes ggplot2
Graphes avancés
Le même graphe avec qplot

library(ggplot2)
qplot(Temp,Ozone,data=airquality,colour=Month)
150
100
Month
5
Ozone
6
7
8
9
50
60 70 80 90
Temp

Plan
Graphes ggplot2
Graphes avancés
Changements de graphes
Fonctionne par la définition d’objets géométriques (geom)

caractérisant les graphes
Ajustement d’une courbe par ajout de l’option geom="smooth"
ajustement linéaire (method="lm")
ajustement de splines
Changement de style de graphe
histogramme : geom="histogram"
boîte à moustaches : geom="boxplot"
Deux courbes/styles peuvent se superposer :
geom=c("point","smooth")
notion de couche (layer) comme Photoshop ou Gimp

Plan
Graphes ggplot2
Graphes avancés
Un graphe plus sophistiqué

q1<-qplot(Temp,Ozone,data=airquality,colour=Month,geom=c("point","smooth"),
facets=.~Month,span=2,facet_grid)+geom_smooth(method="lm",linetype=2)
q1

Plan
Graphes ggplot2
Graphes avancés
Passer à ggplot2 ou pas?
Deux modes de raisonnement très différents...

Avantage des graphes ”de base“
simple mais paramétrisable à l’infini
on arrive toujours à faire ce qu’on veut (mais parfois on y passe du
temps!)
Avantage des graphes de ggplot2
très rapide de faire de beaux graphes sans avoir à régler plein de
petits détails (regroupement, comparaisons,...)
relation immédiate entre le graphe et l’analyse statistique
en revanche, plus compliqué de paramétriser certains éléments
par rapport aux graphiques de base
⇒ Choix très personnel...

Plan
Graphes ggplot2
Graphes avancés
Pas immédiat : plusieurs graphes sur une page

plot(airquality[,1:2],type="n",axes=F,xlab="",ylab="")
pl1<-qplot(as.factor(Month),Ozone,data=airquality,colour=Month,geom=c("jitter"),
xlab="Month")
pl2<-qplot(as.factor(Month),Ozone,data=airquality,colour=Month,geom=c("boxplot"),
xlab="Month")
vp1<-viewport(width=0.5,
height=1,x=0.25,y=0.5)
vp2<-viewport(width=0.5,
height=1,x=0.75,y=0.5)
print(pl1,vp=vp1)
print(pl2,vp=vp2)

Cours 3

Transféré par

Informations du document

Titre original

Copyright

Formats disponibles

Partager ce document

Partager ou intégrer le document

Options de partage

Avez-vous trouvé ce document utile ?

Ce contenu est-il inapproprié ?

Droits d'auteur :

Formats disponibles

Cours 3

Transféré par

Droits d'auteur :

Formats disponibles

Plan

Anne Dubois, Julie Bertrand, Emmanuelle Comets

E. Comets (UMR738) Introduction à R - Novembre 2009 1 / 65

E. Comets (UMR738) Introduction à R - Novembre 2009 2 / 65

Remise en jambe : un exercice

1 Simulez deux vecteurs vec1 et vec2 contenant 20 réalisations

E. Comets (UMR738) Introduction à R - Novembre 2009 3 / 65

E. Comets (UMR738) Introduction à R - Novembre 2009 4 / 65

> x <- rnorm(50,0,1)

Pour ces deux tests on peut spécifier l’hypothèse alternative en

Comparaison de moyennes sur données appariées :

Il est possible d’obtenir un intervalle de confiance sur l’estimation de la

Pour une seule variable ou deux variables appariées, wilcox.test

Pour deux variables non appariées, le test correspond au test de

L’option exact=T est utilisée pour demander un calcul exact de la

E. Comets (UMR738) Introduction à R - Novembre 2009 7 / 65

Utilisation avec un dataframe

On teste une différence de dépense énergétique entre obèses et

qui revient à tester :

Cela correspond en SAS à :

E. Comets (UMR738) Introduction à R - Novembre 2009 8 / 65

1 En reprenant la base que vous avez créée en début de cours,

E. Comets (UMR738) Introduction à R - Novembre 2009 9 / 65

Comparaison des variances (1)

Par défaut, on suppose que la variance entre les 2 groupes est

F = 0.7844, num df = 12, denom df = 8, p-value = 0.6797

On ne rejette pas l’hypothèse d’égalité des variances :

E. Comets (UMR738) Introduction à R - Novembre 2009 10 / 65

Comparaison des variances (2)

Le test de Fisher porte stricto sensu sur des variables normales.

Bartlett test of homogeneity of variances

data: expend by stature

Il existe également des tests non-paramétriques (Fligner-Killeen,

E. Comets (UMR738) Introduction à R - Novembre 2009 11 / 65

Récupération des résultats

On peut stocker le résultat du test dans un objet :

On peut aussi utiliser attributes(test).

Si on souhaite conserver la statistique de test, l’IC 95% et la p-value :

E. Comets (UMR738) Introduction à R - Novembre 2009 12 / 65

où methode peut être :

Par défaut retire les valeurs manquantes.

Analyse de variance (1)

Pour comparer simultanément les moyennes de plusieurs variables,

E. Comets (UMR738) Introduction à R - Novembre 2009 14 / 65

Analyse de variance (2)

Comme une différence significative entre les 3 types de ventilation a

data: folate and ventilation

Note: ce test inclut une correction pour tests multiples.

E. Comets (UMR738) Introduction à R - Novembre 2009 15 / 65

ANOVA non paramétrique

Le test de Kruskal Wallis (kruskal.test) est la forme non paramétrique

data: folate by ventilation

E. Comets (UMR738) Introduction à R - Novembre 2009 16 / 65

1 La base airquality est un jeu de données de R contenant des

2 Comparer la concentration d’ozone entre les mois de mai et

3 La concentration d’ozone est-elle comparable pour les différents

E. Comets (UMR738) Introduction à R - Novembre 2009 17 / 65

Variables discrètes : test du χ2 (1)

Cas classique : on cherche à savoir si le fait de présenter une

E. Comets (UMR738) Introduction à R - Novembre 2009 18 / 65

Pour effectuer le test d’une relation entre le fait de fumer et la réponse

• forme vectorielle chisq.test(x,y)

Pearson’s Chi-squared test with Yates’ continuity correction