Pierre Lafaye de Micheaux. Rémy Drouilhet. Benoît Liquet. Le logiciel R. Maîtriser le langage. Effectuer des analyses statistiques.
|
|
- Georgette Gisèle Perras
- il y a 8 ans
- Total affichages :
Transcription
1 Pierre Lafaye de Micheaux Rémy Drouilhet Benoît Liquet Le logiciel R Maîtriser le langage Effectuer des analyses statistiques ^ Springer
2 Sommaire Avant-propos Table des figures Liste des tableaux Notations mathématiques ix xxvii xxxi xxxiii A Présentation du logiciel R 1 Al Présentation du logiciel 1 A 11 Origines 1 A 12 Pourquoi utiliser R? 1 A2 R et les statistiques 2 A3 R et les graphiques 3 A 4 L'interface graphique de R 4 B Quelques jeux de données et problématiques 7 B l Indice de masse corporelle (IMC) chez des enfants 7 B2 Poids de naissance 8 B3 Épaisseur de l'intima-média 9 B4 Alimentation chez des personnes âgées 10 B5 Etude cas témoins sur l'infarctus du myocarde 11 B6 Tableau résumant l'utilisation des jeux de données 12 Partie I Les bases du logiciel R 13 1 Les concepts de base, l'organisation des données Votre première session R est une calculatrice Stratégie de travail Affichage des résultats et redirection dans des variables Utilisation de fonctions 21
3 xvi Le logiciel R 12 Les données dans R Nature (ou type, ou mode) des données Type numérique (numeric) t Type complexe (complex) Type booléen ou logique (logical) Données manquantes (NA) Type chaînes de caractères (character) t Données brutes (raw) 29 Récapitulatif Structure des données Les vecteurs (vector) Les matrices (matrix) et les tableaux (arrays) Les listes (list) Le tableau individusxvariables (dataframe) Les facteurs (f actor) et les variables ordi nales (ordered) 34 Récapitulatif 35 Termes à retenir 36 Exercices 36 Fiche de TP Importation-exportation et production de données Importer des données Importer des données depuis un fichier texte ASCII Lecture de données avec readtableo 2112 Lecture de données avec readftableo 2113 Lecture de données avec la fonction scano Importer des données depuis Excel ou le tableur d'open- Office Utiliser le copier-coller Passer par un fichier ASCII intermédiaire Utiliser des packages spécialisés Importer des données depuis SPSS, Minitab, SAS ou Matlab Les gros fichiers de données Exporter des données Exporter des données vers un fichier texte ASCII 222 Exporter des données vers Excel ou OpenOfEce Cale Création de données Entrer des données jouets Générer des données pseudo-aléatoires Entrer des données issues d'un support papier 51 Termes à retenir 53 Exercices 53
4 Sommaire xvii Fiche de TP Manipulation de données Opérations sur les vecteurs, matrices et listes Arithmétique vectorielle Le recyclage Fonctions basiques Opérations sur les matrices ou les dataframes 3141 Informations sur l'architecture Fusion de tables La fonction applyo La fonction sweepo La fonction stacko La fonction aggregateo La fonction transform() Opérations sur les listes Opérations logiques et relationnelles Opérations ensemblistes Structures de contrôle Instructions de condition Instructions de boucles Extraction et insertion d'éléments Extraction/Insertion dans les vecteurs Extraction/Insertion dans les matrices Extraction/Insertion dans les arrays Extraction/Insertion clans les listes Manipulation de chaînes de caractères Manipulation de dates et d'unités de temps Affichage de la date courante Extraction de dates Opérations sur des dates 93 Termes à retenir 95 Exercices 95 Fiche de TP 97 4 R et sa documentation Aide intégrée au logiciel R La commande nelp() Quelques commandes complémentaires t Aide accessible sur l'internet Moteurs de recherche Forums de discussion Listes de diffusion (mailing lists) 108
5 xviii Le logiciel R 424 Discussion relayée par l'internet (IRC) Wiki t Littérature sur R Sur le web En format papier 110 Termes à retenir 111 Exercices 111 Fiche de TP Techniques pour tracer des courbes et des graphiques Les fenêtres graphiques Fenêtre graphique de base, manipulation, sauvegarde Découpage de la fenêtre graphique : layouto Les fonctions de tracé de bas niveau Les fonctions plot () et points () Les fonctions segments(), Unes0 et ablineo La fonction arrowso La fonction polygono La fonction curveo La fonction box () La gestion des couleurs La fonction colorso Le codage hexadécimal des couleurs La fonction image () L'ajout de texte La fonction texto La fonction mtexto Titres, axes et légendes La fonction titleo La fonction axis () La fonction legendq L'interaction avec le graphique La fonction locatoro La fonction identify() f La gestion fine des paramètres graphiques : par () f Graphiques avancés : rgl, lattice et ggplot2 149 Termes à retenir 150 Exercices 150 Fiche de TP 152
6 Sommaire xix 6 Initiation à la programmation en R Préambule Développer des fonctions Mise en route rapide : déclaration, création et appel de fonctions Concepts de base sur les fonctions Corps de fonction Liste de paramètres formels et effectifs Objet retourné par une fonction Portée des variables dans le corps de la fonc tion Application à la problématique Opérateurs Le R vu comme un langage fonctionnel t Programmation orientée objets Comment fonctionne le mécanisme orienté objet du R Classe d'un objet et déclaration d'un objet Déclaration et utilisation d'une méthode d'un objet Retour à la problématique Information sur les méthodes Héritage de classe t Aller plus loin en programmation R Attributs R Attribut class Attribut dim Attributs names et dimnames Autres objets R Expression R Formule R Environnement R Gestion de son activité de développement Débogage de fonctions 199 Termes à retenir 201 Exercices 201 Fiche de TP Maintenance des sessions Les commandes R, les objets et leur stockage Environnement de travail : les fichiers d'extension RData Historique des commandes : les fichiers d'extension Rhistory Sauvegarder des graphiques La gestion des packages 216
7 xx Le logiciel R 76 La gestion des chemins d'accès aux objets R t Autres commandes utiles t La gestion de la mémoire t Utiliser R en mode BATCH t Création d'un package R simplifié 221 Termes à retenir 223 Exercices 223 Fiche de TP 224 Partie 11 Mathématiques et statistiques élémen taires Mathématiques de base : calcul matriciel, intégration, optimisation Les fonctions mathématiques de base Calcul matriciel Opérations de base Produit extérieur Produit de Kronecker Matrices triangulaires Opérateurs vec et demi-vec Déterminant, trace, nombre de conditionnement Données centrées, données réduites Calcul des valeurs propres et vecteurs propres Racine carrée d'une matrice hermitienne définie posi tive Décomposition en valeurs singulières Décomposition de Cholesky Décomposition QR Intégration numérique Dérivation Dérivation symbolique Dérivation numérique Optimisation Fonctions d'optimisation Racines d'une fonction 247 Termes à retenir 249 Exercices 249 Fiche de TP 250
8 Sommaire xxi 9 Statistique descriptive Introduction Structuration des variables suivant leur type Structurer les variables qualitatives Structurer les variables ordinales Structurer les variables quantitatives discrètes Structurer les variables quantitatives continues Tableaux de données Tableaux des données individuelles Tableaux des effectifs ou des fréquences d'une variable Tableaux de données regroupées en classes Tableaux croisant deux variables Tableaux de contingence Distribution conjointe Distributions marginales Distributions conditionnelles Résumés numériques Résumés de position d'une distribution Le ou les modes La médiane La moyenne Lesfractiles Résumés de dispersion d'une distribution Résumés de forme d'une distribution Mesures d'association Mesures de liaison entre deux variables qualitatives La statistique du ^2 de Pearson <ï>2, V2 de Cramer et coefficient de contin gence de Pearson Mesures de liaison entre des variables ordinales (ou des rangs) Le t et le rh de Kendall Coefficient de corrélation des rangs de Spearman Mesures de liaison entre deux variables quantitatives Covariance et coefficient de corrélation de Pearson Mesures de liaison entre une variable quantitative et une variable qualitative Le rapport de corrélation 7]^x Représentations graphiques Graphiques pour les variables qualitatives Diagramme en croix Diagramme en tuyaux d'orgue 276
9 xxii Le logiciel R 9613 Diagramme de Pareto Diagramme empilé Diagramme circulaire Graphiques pour les variables ordinales Diagramme en tuyaux d'orgue avec courbe des fréquences cumulées Graphiques pour les variables quantitatives discrètes Diagramme en croix Diagramme en bâtons Graphe de la fonction de répartition empi rique Diagramme en tiges et feuilles Boîte à moustaches (boxplot) Graphiques pour les variables quantitatives continues Graphe de la fonction de répartition empi rique Diagramme en tiges et feuilles Boîte à moustaches Histogramme en densité à amplitudes de classes égales ou inégales Polygone des fréquences Polygone des fréquences cumulées Représentations graphiques dans un cadre bivarié 9651 Croisement de deux variables qualitatives Croisement de deux variables quantitatives Croisement d'une variable qualitative et d'une variable quantitative 292 Termes à retenir 293 Exercices 293 Fiche de TP Variables aléatoires, lois et simulations Notions sur la génération de nombres au hasard La notion de variable aléatoire Réalisations d'une variable aléatoire et loi de fonction nement Variables aléatoires iid Caractériser la loi d'une variable aléatoire Densité, fonction de répartition, fonction quantile Paramètres de la loi d'une variable aléatoire 103 Loi des grands nombres et théorème de la limite centrale 1031 Loi des grands nombres Théorème de la limite centrale 312
10 Sommaire xxiii 104 La statistique inférentielle Estimation (ponctuelle) de paramètres La fonction de répartition empirique Estimation par la méthode du maximum de vraisem blance Fluctuation d'échantillonnage et qualités d'un estima teur Quelques techniques de simulation d'une loi Simuler à partir d'une autre loi Méthode de la transformation inverse Méthode du rejet Simulation de variables aléatoires discrètes La méthode du bootstrap Lois usuelles et moins usuelles Lois usuelles t Lois moins usuelles Modélisation d'un phénomène 327 Termes à retenir 330 Exercices 330 Fiche de TP Intervalles de confiance et tests d'hypothèses Notations Intervalles de confiance Intervalles de confiance pour une moyenne Intervalles de confiance pour une proportion p Intervalles de confiance pour une variance Intervalles de confiance pour une médiane Intervalle de confiance pour un coefficient de corréla tion Tableau récapitulatif des intervalles de confiance Tests d'hypothèses usuels Tests paramétriques Tests de moyenne Tests de variance Tests de proportion Tests de coefficient de corrélation Tests d'indépendance Test du x2 d'indépendance Test du*2 de Yates Test de Fisher exact Tests non paramétriques ,1 Tests d'adéquation 358
11 xxiv Le logiciel R Tests de position Tableau récapitulatif des tests usuels Autres tests d'hypothèses 367 Termes à retenir 369 Exercices 369 Fiche de TP Régression linéaire simple et multiple Introduction La régression linéaire simple Objectif et modèle Ajustement sur des données Intervalle de confiance et de prédiction pour une nou velle valeur Analyse des résidus Récapitulatif La régression linéaire multiple Objectif et modèle Ajustement sur des données Intervalle de confiance et de prédiction pour une nou velle valeur Test d'une sous-hypothèse linéaire : test de Fisher par tiel Cas des variables qualitatives à plus de deux modalités Interaction entre les variables Problème de la colinéarité Sélection de variables Analyse des résidus Cas de la régression polynomiale Récapitulatif 417 Termes à retenir 418 Exercices 418 Fiche de TP Analyse de variance élémentaire Analyse de la variance à un facteur Les objectifs, les données et le modèle Exemple et inspection graphique Table d'anova et estimations des paramètres Validation des hypothèses Comparaisons multiples et contrastes Récapitulatif Analyse de la variance à deux facteurs 434
12 Sommaire xxv 1321 Objectifs, données et modèle Exemple et inspection graphique Table d'anova, tests et estimation des paramètres Validation des hypothèses Contrastes Récapitulatif 133 Analyses de variance à mesures répétées Modèle à un facteur à mesures répétées Modèle à deux facteurs à mesures répétées sur les deux facteurs Modèle à deux facteurs à mesures répétées sur un seul 442 facteur 447 Termes à retenir 449 Exercices Fiche de TP 449 Annexes : Installation du logiciel R et des packages R 453 Cl Installation de R sous Microsoft Windows XP 453 C2 Installation de packages supplémentaires 454 C21 Installation à partir d'un fichier situé sur le disque 454 C22 Installation directement depuis l'internet 455 C23 Installation depuis la ligne de commande 456 C24 Installation de packages sous Linux 457 C3 Chargement des packages installés 458 Références 461 Index général 465 Index des commandes et des symboles R 473 Index des auteurs 485 Liste des packages R mentionnés dans le livre
TABLE DES MATIERES. C Exercices complémentaires 42
TABLE DES MATIERES Chapitre I : Echantillonnage A - Rappels de cours 1. Lois de probabilités de base rencontrées en statistique 1 1.1 Définitions et caractérisations 1 1.2 Les propriétés de convergence
Plus en détailTABLE DES MATIÈRES. Bruxelles, De Boeck, 2011, 736 p.
STATISTIQUE THÉORIQUE ET APPLIQUÉE Tome 2 Inférence statistique à une et à deux dimensions Pierre Dagnelie TABLE DES MATIÈRES Bruxelles, De Boeck, 2011, 736 p. ISBN 978-2-8041-6336-5 De Boeck Services,
Plus en détailAnnexe commune aux séries ES, L et S : boîtes et quantiles
Annexe commune aux séries ES, L et S : boîtes et quantiles Quantiles En statistique, pour toute série numérique de données à valeurs dans un intervalle I, on définit la fonction quantile Q, de [,1] dans
Plus en détailTable des matières. I Mise à niveau 11. Préface
Table des matières Préface v I Mise à niveau 11 1 Bases du calcul commercial 13 1.1 Alphabet grec...................................... 13 1.2 Symboles mathématiques............................... 14 1.3
Plus en détailLogiciel XLSTAT version 7.0. 40 rue Damrémont 75018 PARIS
Logiciel XLSTAT version 7.0 Contact : Addinsoft 40 rue Damrémont 75018 PARIS 2005-2006 Plan Présentation générale du logiciel Statistiques descriptives Histogramme Discrétisation Tableau de contingence
Plus en détailSéries Statistiques Simples
1. Collecte et Représentation de l Information 1.1 Définitions 1.2 Tableaux statistiques 1.3 Graphiques 2. Séries statistiques simples 2.1 Moyenne arithmétique 2.2 Mode & Classe modale 2.3 Effectifs &
Plus en détaildonnées en connaissance et en actions?
1 Partie 2 : Présentation de la plateforme SPSS Modeler : Comment transformer vos données en connaissance et en actions? SPSS Modeler : l atelier de data mining Large gamme de techniques d analyse (algorithmes)
Plus en détailLa Licence Mathématiques et Economie-MASS Université de Sciences Sociales de Toulouse 1
La Licence Mathématiques et Economie-MASS Université de Sciences Sociales de Toulouse 1 La licence Mathématiques et Economie-MASS de l Université des Sciences Sociales de Toulouse propose sur les trois
Plus en détailMises en relief. Information supplémentaire relative au sujet traité. Souligne un point important à ne pas négliger.
Cet ouvrage est fondé sur les notes d un cours dispensé pendant quelques années à l Institut universitaire de technologie de Grenoble 2, au sein du Département statistique et informatique décisionnelle
Plus en détailIntroduction à MATLAB R
Introduction à MATLAB R Romain Tavenard 10 septembre 2009 MATLAB R est un environnement de calcul numérique propriétaire orienté vers le calcul matriciel. Il se compose d un langage de programmation, d
Plus en détailStatistiques Appliquées à l Expérimentation en Sciences Humaines. Christophe Lalanne, Sébastien Georges, Christophe Pallier
Statistiques Appliquées à l Expérimentation en Sciences Humaines Christophe Lalanne, Sébastien Georges, Christophe Pallier Table des matières 1 Méthodologie expérimentale et recueil des données 6 1.1 Introduction.......................................
Plus en détailStatistique Descriptive Élémentaire
Publications de l Institut de Mathématiques de Toulouse Statistique Descriptive Élémentaire (version de mai 2010) Alain Baccini Institut de Mathématiques de Toulouse UMR CNRS 5219 Université Paul Sabatier
Plus en détailMathcad 15.0. Ces capacités font de Mathcad l outil de calcul technique le plus utilisé au monde.
Mathcad 15.0 Création et documentation de calculs techniques Grâce à Mathcad, plus de 250 000 professionnels dans le monde peuvent effectuer, documenter, gérer et partager des calculs et des tâches de
Plus en détailLa place de SAS dans l'informatique décisionnelle
La place de SAS dans l'informatique décisionnelle Olivier Decourt ABS Technologies - Educasoft Formations La place de SAS dans l'informatique décisionnelle! L'historique de SAS! La mécanique! La carrosserie
Plus en détailStatistiques Descriptives à une dimension
I. Introduction et Définitions 1. Introduction La statistique est une science qui a pour objectif de recueillir et de traiter les informations, souvent en très grand nombre. Elle regroupe l ensemble des
Plus en détailModélisation aléatoire en fiabilité des logiciels
collection Méthodes stochastiques appliquées dirigée par Nikolaos Limnios et Jacques Janssen La sûreté de fonctionnement des systèmes informatiques est aujourd hui un enjeu économique et sociétal majeur.
Plus en détailChapitre 3. Les distributions à deux variables
Chapitre 3. Les distributions à deux variables Jean-François Coeurjolly http://www-ljk.imag.fr/membres/jean-francois.coeurjolly/ Laboratoire Jean Kuntzmann (LJK), Grenoble University 1 Distributions conditionnelles
Plus en détailPROBABILITES ET STATISTIQUE I&II
PROBABILITES ET STATISTIQUE I&II TABLE DES MATIERES CHAPITRE I - COMBINATOIRE ELEMENTAIRE I.1. Rappel des notations de la théorie des ensemble I.1.a. Ensembles et sous-ensembles I.1.b. Diagrammes (dits
Plus en détailÉdIteur officiel et fournisseur de ServIceS professionnels du LogIcIeL open Source ScILab
ÉdIteur officiel et fournisseur de ServIceS professionnels du LogIcIeL open Source ScILab notre compétence d'éditeur à votre service créée en juin 2010, Scilab enterprises propose services et support autour
Plus en détailProgrammes des classes préparatoires aux Grandes Ecoles
Programmes des classes préparatoires aux Grandes Ecoles Filière : scientifique Voie : Biologie, chimie, physique et sciences de la Terre (BCPST) Discipline : Mathématiques Seconde année Préambule Programme
Plus en détailFormations EViews FORMATIONS GENERALES INTRODUCTIVES INTRO : INTRODUCTION A LA PRATIQUE DE L ECONOMETRIE AVEC EVIEWS
Formations EViews FORMATIONS GENERALES INTRODUCTIVES DEB : DECOUVERTE DU LOGICIEL EVIEWS INTRO : INTRODUCTION A LA PRATIQUE DE L ECONOMETRIE AVEC EVIEWS FORMATIONS METHODES ECONOMETRIQUES VAR : MODELES
Plus en détailSéance 0 : Linux + Octave : le compromis idéal
Séance 0 : Linux + Octave : le compromis idéal Introduction Linux est un système d'exploitation multi-tâches et multi-utilisateurs, basé sur la gratuité et développé par une communauté de passionnés. C'est
Plus en détailAide-mémoire de statistique appliquée à la biologie
Maxime HERVÉ Aide-mémoire de statistique appliquée à la biologie Construire son étude et analyser les résultats à l aide du logiciel R Version 5(2) (2014) AVANT-PROPOS Les phénomènes biologiques ont cela
Plus en détailPrésentation du logiciel
Chapitre A Présentation du logiciel R Pré-requis et objectif La lecture du chapitre sur l installation de R dans les Annexes peut se révéler utile. Ce chapitre présente les origines, l objectif et les
Plus en détail1. Vocabulaire : Introduction au tableau élémentaire
L1-S1 Lire et caractériser l'information géographique - Le traitement statistique univarié Statistique : le terme statistique désigne à la fois : 1) l'ensemble des données numériques concernant une catégorie
Plus en détailMaîtriser l'utilisation des outils bureautiques. Maîtriser le logiciel de traitement de texte - Word. Maitriser le logiciel tableur - Excel
Itinéraire de formation LES OUTILS BUREAUTIQUES Domaine ITINERAIRE THEMATIQUE But Maîtriser l'utilisation des outils bureautiques Maîtriser le logiciel de traitement de texte - Word Word 2003 niveau I
Plus en détailTraitement des données avec Microsoft EXCEL 2010
Traitement des données avec Microsoft EXCEL 2010 Vincent Jalby Septembre 2012 1 Saisie des données Les données collectées sont saisies dans une feuille Excel. Chaque ligne correspond à une observation
Plus en détailCatalogue des connaissances de base en mathématiques dispensées dans les gymnases, lycées et collèges romands.
Catalogue des connaissances de base en mathématiques dispensées dans les gymnases, lycées et collèges romands. Pourquoi un autre catalogue en Suisse romande Historique En 1990, la CRUS (Conférences des
Plus en détailCalculer avec Sage. Revision : 417 du 1 er juillet 2010
Calculer avec Sage Alexandre Casamayou Guillaume Connan Thierry Dumont Laurent Fousse François Maltey Matthias Meulien Marc Mezzarobba Clément Pernet Nicolas Thiéry Paul Zimmermann Revision : 417 du 1
Plus en détailIBM SPSS Statistics Base 20
IBM SPSS Statistics Base 20 Remarque : Avant d utiliser ces informations et le produit qu elles concernent, lisez les informations générales sous Remarques sur p. 316. Cette version s applique à IBM SPSS
Plus en détailLire ; Compter ; Tester... avec R
Lire ; Compter ; Tester... avec R Préparation des données / Analyse univariée / Analyse bivariée Christophe Genolini 2 Table des matières 1 Rappels théoriques 5 1.1 Vocabulaire....................................
Plus en détailClasse de première L
Classe de première L Orientations générales Pour bon nombre d élèves qui s orientent en série L, la classe de première sera une fin d étude en mathématiques au lycée. On a donc voulu ici assurer à tous
Plus en détailRésumé du Cours de Statistique Descriptive. Yves Tillé
Résumé du Cours de Statistique Descriptive Yves Tillé 15 décembre 2010 2 Objectif et moyens Objectifs du cours Apprendre les principales techniques de statistique descriptive univariée et bivariée. Être
Plus en détailSimulation de variables aléatoires
Chapter 1 Simulation de variables aléatoires Références: [F] Fishman, A first course in Monte Carlo, chap 3. [B] Bouleau, Probabilités de l ingénieur, chap 4. [R] Rubinstein, Simulation and Monte Carlo
Plus en détailCours 7 : Utilisation de modules sous python
Cours 7 : Utilisation de modules sous python 2013/2014 Utilisation d un module Importer un module Exemple : le module random Importer un module Exemple : le module random Importer un module Un module est
Plus en détailINTRODUCTION À L ANALYSE FACTORIELLE DES CORRESPONDANCES
INTRODUCTION À L ANALYSE FACTORIELLE DES CORRESPONDANCES Dominique LAFFLY Maître de Conférences, Université de Pau Laboratoire Société Environnement Territoire UMR 5603 du CNRS et Université de Pau Domaine
Plus en détailINTRODUCTION AU DATA MINING
INTRODUCTION AU DATA MINING 6 séances de 3 heures mai-juin 2006 EPF - 4 ème année - Option Ingénierie d Affaires et de Projets Bertrand LIAUDET TP DE DATA MINING Le TP et le projet consisteront à mettre
Plus en détailTABLE DES MATIÈRES. PRINCIPES D EXPÉRIMENTATION Planification des expériences et analyse de leurs résultats. Pierre Dagnelie
PRINCIPES D EXPÉRIMENTATION Planification des expériences et analyse de leurs résultats Pierre Dagnelie TABLE DES MATIÈRES 2012 Presses agronomiques de Gembloux pressesagro.gembloux@ulg.ac.be www.pressesagro.be
Plus en détailUNE REPRESENTATION GRAPHIQUE DE LA LIAISON STATISTIQUE ENTRE DEUX VARIABLES ORDONNEES. Éric TÉROUANNE 1
33 Math. Inf. Sci. hum., (33 e année, n 130, 1995, pp.33-42) UNE REPRESENTATION GRAPHIQUE DE LA LIAISON STATISTIQUE ENTRE DEUX VARIABLES ORDONNEES Éric TÉROUANNE 1 RÉSUMÉ Le stéréogramme de liaison est
Plus en détailDécouverte du logiciel ordinateur TI-n spire / TI-n spire CAS
Découverte du logiciel ordinateur TI-n spire / TI-n spire CAS Mémento Ouvrir TI-Nspire CAS. Voici la barre d outils : L insertion d une page, d une activité, d une page où l application est choisie, pourra
Plus en détailIntroduction à l approche bootstrap
Introduction à l approche bootstrap Irène Buvat U494 INSERM buvat@imedjussieufr 25 septembre 2000 Introduction à l approche bootstrap - Irène Buvat - 21/9/00-1 Plan du cours Qu est-ce que le bootstrap?
Plus en détail3. Caractéristiques et fonctions d une v.a.
3. Caractéristiques et fonctions d une v.a. MTH2302D S. Le Digabel, École Polytechnique de Montréal H2015 (v2) MTH2302D: fonctions d une v.a. 1/32 Plan 1. Caractéristiques d une distribution 2. Fonctions
Plus en détailSTATISTIQUES. UE Modélisation pour la biologie
STATISTIQUES UE Modélisation pour la biologie 2011 Cadre Général n individus: 1, 2,..., n Y variable à expliquer : Y = (y 1, y 2,..., y n ), y i R Modèle: Y = Xθ + ε X matrice du plan d expériences θ paramètres
Plus en détailRelation entre deux variables : estimation de la corrélation linéaire
CHAPITRE 3 Relation entre deux variables : estimation de la corrélation linéaire Parmi les analyses statistiques descriptives, l une d entre elles est particulièrement utilisée pour mettre en évidence
Plus en détailOptimisation des ressources des produits automobile première
EURIA EURo Optimisation produits automobile première Pauline PERROT promotion 2011 EURIA EURo 1 ère partie : contexte MMA (FFSA) MAAF (GEMA) SGAM : COVEA (AFA) GMF (GEMA) MMA : Plus 3 millions clients
Plus en détailContenu pédagogique des unités d enseignement Semestre 1(1 ère année) Domaine : Sciences et techniques et Sciences de la matière
Contenu pédagogique des unités d enseignement Semestre 1(1 ère année) Domaine : Sciences et techniques et Sciences de la matière Algèbre 1 : (Volume horaire total : 63 heures) UE1 : Analyse et algèbre
Plus en détailIBM SPSS Direct Marketing 21
IBM SPSS Direct Marketing 21 Remarque : Avant d utiliser ces informations et le produit qu elles concernent, lisez les informations générales sous Remarques sur p. 109. Cette version s applique à IBM SPSS
Plus en détailInitiation au logiciel R
Université Paris Dauphine Année 2005 2006 U.F.R. Mathématiques de la Décision MAT-6-3 : Statistique exploratoire et numérique (NOISE) Initiation au logiciel R Jean-Michel MARIN Ce document a pour objectif
Plus en détailAnne Tasso. Java. Le livre de. premier langage. 10 e édition. Avec 109 exercices corrigés. Groupe Eyrolles, 2000-2015, ISBN : 978-2-212-14154-2
Anne Tasso Java Le livre de premier langage 10 e édition Avec 109 exercices corrigés Groupe Eyrolles, 2000-2015, ISBN : 978-2-212-14154-2 Table des matières Avant-propos Organisation de l ouvrage..............................
Plus en détail1 Introduction - Qu est-ce que le logiciel R?
Master 1 GSI - Mentions ACCIE et RIM - ULCO, La Citadelle, 2012/2013 Mesures et Analyses Statistiques de Données - Probabilités TP 1 - Initiation au logiciel R 1 Introduction - Qu est-ce que le logiciel
Plus en détailMATLAB : COMMANDES DE BASE. Note : lorsqu applicable, l équivalent en langage C est indiqué entre les délimiteurs /* */.
Page 1 de 9 MATLAB : COMMANDES DE BASE Note : lorsqu applicable, l équivalent en langage C est indiqué entre les délimiteurs /* */. Aide help, help nom_de_commande Fenêtre de travail (Command Window) Ligne
Plus en détailSoit la fonction affine qui, pour représentant le nombre de mois écoulés, renvoie la somme économisée.
ANALYSE 5 points Exercice 1 : Léonie souhaite acheter un lecteur MP3. Le prix affiché (49 ) dépasse largement la somme dont elle dispose. Elle décide donc d économiser régulièrement. Elle a relevé qu elle
Plus en détailManuel d Utilisateur - Logiciel ModAFi. Jonathan ANJOU - Maud EYZAT - Kévin NAVARRO
Manuel d Utilisateur - Logiciel ModAFi Jonathan ANJOU - Maud EYZAT - Kévin NAVARRO Grenoble, 12 juin 2012 Table des matières 1 Introduction 3 2 Modèles supportés 3 2.1 Les diérents modèles supportés pour
Plus en détailLes concepts de base, l organisation des données
Chapitre 1 Les concepts de base, l organisation des données Objectif Ce chapitre présente les concepts de base du logiciel R (mode calculatrice, opérateur d affectation, variables, utilisation de fonctions,
Plus en détailDéroulement d un projet en DATA MINING, préparation et analyse des données. Walid AYADI
1 Déroulement d un projet en DATA MINING, préparation et analyse des données Walid AYADI 2 Les étapes d un projet Choix du sujet - Définition des objectifs Inventaire des données existantes Collecte, nettoyage
Plus en détailavast! EP: Installer avast! Small Office Administration
avast! EP: Installer avast! Small Office Administration Comment installer avast! Small Office Administration? avast! Small Office Administration est une console web qui permet la gestion a distance de
Plus en détailMAÎTRISE DE L ENVIRONNEMENT WINDOWS VISTA
MAÎTRISE DE L ENVIRONNEMENT WINDOWS VISTA OBJECTIFS : manipuler les fenêtres et l environnement Windows, gérer ses fichiers et dossiers, lancer les applications bureautiques présentes sur son poste. PUBLIC
Plus en détail4.2 Unités d enseignement du M1
88 CHAPITRE 4. DESCRIPTION DES UNITÉS D ENSEIGNEMENT 4.2 Unités d enseignement du M1 Tous les cours sont de 6 ECTS. Modélisation, optimisation et complexité des algorithmes (code RCP106) Objectif : Présenter
Plus en détailIntroduction aux Statistiques et à l utilisation du logiciel R
Introduction aux Statistiques et à l utilisation du logiciel R Christophe Lalanne Christophe Pallier 1 Introduction 2 Comparaisons de deux moyennes 2.1 Objet de l étude On a mesuré le temps de sommeil
Plus en détailFonctions de plusieurs variables
Module : Analyse 03 Chapitre 00 : Fonctions de plusieurs variables Généralités et Rappels des notions topologiques dans : Qu est- ce que?: Mathématiquement, n étant un entier non nul, on définit comme
Plus en détailLecture critique d article. Bio statistiques. Dr MARC CUGGIA MCU-PH Laboratoire d informatique médicale EA-3888
Lecture critique d article Rappels Bio statistiques Dr MARC CUGGIA MCU-PH Laboratoire d informatique médicale EA-3888 Plan du cours Rappels fondamentaux Statistiques descriptives Notions de tests statistiques
Plus en détailProgramme «Analyste Programmeur» Diplôme d état : «Développeur Informatique» Homologué au niveau III (Bac+2) (JO N 176 du 1 août 2003) (34 semaines)
Programme «Analyste Programmeur» Diplôme d état : «Développeur Informatique» Homologué au niveau III (Bac+2) (JO N 176 du 1 août 2003) (34 semaines) Module 1 : Programmer une application informatique Durée
Plus en détailIntroduction à la B.I. Avec SQL Server 2008
Introduction à la B.I. Avec SQL Server 2008 Version 1.0 VALENTIN Pauline 2 Introduction à la B.I. avec SQL Server 2008 Sommaire 1 Présentation de la B.I. et SQL Server 2008... 3 1.1 Présentation rapide
Plus en détailMéthodes quantitatives en sciences humaines. 2 Pratique : 2 Étude personnelle : 2. BUREAU poste courriel ou site web
360-300-RE HIVER 2008 MATHÉMATIQUES Plan de cours COURS : Méthodes quantitatives en sciences humaines PROGRAMME : 300.A0 Sciences humaines DISCIPLINE : Mathématiques Pondération : Théorie : 2 Pratique
Plus en détailLoi binomiale Lois normales
Loi binomiale Lois normales Christophe ROSSIGNOL Année scolaire 204/205 Table des matières Rappels sur la loi binomiale 2. Loi de Bernoulli............................................ 2.2 Schéma de Bernoulli
Plus en détailPremiers pas avec SES-Pegase (version 7.0) SES : Un Système Expert pour l analyse Statistique des données. Premiers pas avec SES-Pegase 1
Premiers pas avec SES-Pegase 1 Premiers pas avec SES-Pegase (version 7.0) SES : Un Système Expert pour l analyse Statistique des données www.delta-expert.com Mise à jour : Premiers pas avec SES-Pegase
Plus en détailMaple: premiers calculs et premières applications
TP Maple: premiers calculs et premières applications Maple: un logiciel de calcul formel Le logiciel Maple est un système de calcul formel. Alors que la plupart des logiciels de mathématiques utilisent
Plus en détailTSTI 2D CH X : Exemples de lois à densité 1
TSTI 2D CH X : Exemples de lois à densité I Loi uniforme sur ab ; ) Introduction Dans cette activité, on s intéresse à la modélisation du tirage au hasard d un nombre réel de l intervalle [0 ;], chacun
Plus en détailFormation Excel, Niveau initiation, module 1 DUREE DE LA FORMATION OBJECTIFS DE LA FORMATION
Niveau initiation, module 1 Acquérir une philosophie de travail dans un tableur, Acquérir les bons réfl exes tableur, Familiarisation avec le vocabulaire, Créer, Enregistrer et présenter un tableau. Notions
Plus en détailt 100. = 8 ; le pourcentage de réduction est : 8 % 1 t Le pourcentage d'évolution (appelé aussi taux d'évolution) est le nombre :
Terminale STSS 2 012 2 013 Pourcentages Synthèse 1) Définition : Calculer t % d'un nombre, c'est multiplier ce nombre par t 100. 2) Exemples de calcul : a) Calcul d un pourcentage : Un article coûtant
Plus en détailStatistiques - Cours. 1. Gén éralités. 2. Statistique descriptive univari ée. 3. Statistique descriptive bivariée. 4. Régression orthogonale dans R².
Statistiques - Cours Page 1 L I C E N C E S c i e n t i f i q u e Cours Henri IMMEDIATO S t a t i s t i q u e s 1 Gén éralités Statistique descriptive univari ée 1 Repr é s e n t a t i o n g r a p h i
Plus en détailMagasins et entrepôts de données (Datamart, data warehouse) Approche relationnelle pour l'analyse des données en ligne (ROLAP)
Magasins et entrepôts de données (Datamart, data warehouse) Approche relationnelle pour l'analyse des données en ligne (ROLAP) Définition (G. Gardarin) Entrepôt : ensemble de données historisées variant
Plus en détailUEO11 COURS/TD 1. nombres entiers et réels codés en mémoire centrale. Caractères alphabétiques et caractères spéciaux.
UEO11 COURS/TD 1 Contenu du semestre Cours et TDs sont intégrés L objectif de ce cours équivalent a 6h de cours, 10h de TD et 8h de TP est le suivant : - initiation à l algorithmique - notions de bases
Plus en détailLE RÔLE DE LA STATISTIQUE DANS UN PROCESSUS DE PRISE DE DÉCISION
LE RÔLE DE LA STATISTIQUE DANS UN PROCESSUS DE PRISE DE DÉCISION Sylvie Gervais Service des enseignements généraux École de technologie supérieure (sylvie.gervais@etsmtl.ca) Le laboratoire des condensateurs
Plus en détailLA NOTATION STATISTIQUE DES EMPRUNTEURS OU «SCORING»
LA NOTATION STATISTIQUE DES EMPRUNTEURS OU «SCORING» Gilbert Saporta Professeur de Statistique Appliquée Conservatoire National des Arts et Métiers Dans leur quasi totalité, les banques et organismes financiers
Plus en détail1 Importer et modifier des données avec R Commander
Université de Nantes 2015/2016 UFR des Sciences et Techniques Département de Mathématiques TP1 STATISTIQUE DESCRIPTIVE Frédéric Lavancier Avant propos Ouvrir l application R Saisir dans la console library(rcmdr)
Plus en détailBSM 9.0 ESSENTIALS. Nouveaux utilisateurs de Business Service Management (BSM) 9.0, parmi lesquels :
BSM 9.0 ESSENTIALS PUBLIC CIBLE Nouveaux utilisateurs de Business Service Management (BSM) 9.0, parmi lesquels : Administrateurs de base de données Administrateurs système Administrateurs réseau Directeurs
Plus en détailPrésentation du langage et premières fonctions
1 Présentation de l interface logicielle Si les langages de haut niveau sont nombreux, nous allons travaillé cette année avec le langage Python, un langage de programmation très en vue sur internet en
Plus en détailChapitre 7. Statistique des échantillons gaussiens. 7.1 Projection de vecteurs gaussiens
Chapitre 7 Statistique des échantillons gaussiens Le théorème central limite met en évidence le rôle majeur tenu par la loi gaussienne en modélisation stochastique. De ce fait, les modèles statistiques
Plus en détailStructure du cours : Il existe de nombreuses méthodes intéressantes qui couvrent l Analyse des Données
Structure du cours : Il existe de nombreuses méthodes intéressantes qui couvrent l Analyse des Données et le Data Mining Nous suivons le plan suivant : Fonctionnement de Spad Catalogue des méthodes (statistiques
Plus en détailStatistiques descriptives
Statistiques descriptives L3 Maths-Eco Université de Nantes Frédéric Lavancier F. Lavancier (Univ. Nantes) Statistiques descriptives 1 1 Vocabulaire de base F. Lavancier (Univ. Nantes) Statistiques descriptives
Plus en détailUNIVERSITE DES ANTILLES et DE LA GUYANE Campus de Fouillole BP250-97157 Pointe-à-Pitre Cedex CONTRAT 2010-2013 LE MASTER NOM DU DOMAINE STS
UNIVERSITE DES ANTILLES et DE LA GUYANE Campus de Fouillole BP20-9717 Pointe-à-Pitre Cedex CONTRAT 2010-201 LE MASTER NOM DU DOMAINE STS Mention : Mathématiques Implantation : Guadeloupe FICHES DESCRIPTIVES
Plus en détailFORMULAIRE DE STATISTIQUES
FORMULAIRE DE STATISTIQUES I. STATISTIQUES DESCRIPTIVES Moyenne arithmétique Remarque: population: m xμ; échantillon: Mx 1 Somme des carrés des écarts "# FR MOYENNE(série) MOYENNE(série) NL GEMIDDELDE(série)
Plus en détailIBM SPSS Regression 21
IBM SPSS Regression 21 Remarque : Avant d utiliser ces informations et le produit qu elles concernent, lisez les informations générales sous Remarques sur p. 46. Cette version s applique à IBM SPSS Statistics
Plus en détailStatistique : Résumé de cours et méthodes
Statistique : Résumé de cours et méthodes 1 Vocabulaire : Population : c est l ensemble étudié. Individu : c est un élément de la population. Effectif total : c est le nombre total d individus. Caractère
Plus en détailPROGRAMME (Susceptible de modifications)
Page 1 sur 8 PROGRAMME (Susceptible de modifications) Partie 1 : Méthodes des revues systématiques Mercredi 29 mai 2013 Introduction, présentation du cours et des participants Rappel des principes et des
Plus en détailIntroduction à la statistique descriptive
Chapitre chapitre 1 Introduction à la statistique descriptive Les méthodes de la statistique descriptive (statistique déductive) permettent de mener des études à partir de données exhaustives, c est-à-dire
Plus en détailTABLE DES MATIÈRES CHAPITRE I. Les quanta s invitent
TABLE DES MATIÈRES AVANT-PROPOS III CHAPITRE I Les quanta s invitent I-1. L Univers est en constante évolution 2 I-2. L âge de l Univers 4 I-2.1. Le rayonnement fossile témoigne 4 I-2.2. Les amas globulaires
Plus en détailCOURS DE MS EXCEL 2010
COURS DE MS EXCEL 2010 Auteur: Jean Monseu Ce cours est publié par Mechelsesteenweg 102 2018 Anvers Copyright Jean Monseu CFD, Mechelsesteenweg 102, 2018 Anvers Tous droits réservés. Aucune partie de cette
Plus en détailCAPTURE DES PROFESSIONNELS
CAPTURE DES PROFESSIONNELS 2 Téléchargement 3 Installation 8 Prise en main rapide 10 Lancement Recherche 14 Gestion des fichiers 23 Compare et Sépare 24 Fichiers annexes 2/ Le menu Utilitaires 32 Internet
Plus en détailLocalisation des fonctions
MODALISA 7 Localisation des fonctions Vous trouverez dans ce document la position des principales fonctions ventilées selon l organisation de Modalisa en onglets. Sommaire A. Fonctions communes à tous
Plus en détailComment se servir de cet ouvrage? Chaque chapitre présente une étape de la méthodologie
Partie I : Séries statistiques descriptives univariées (SSDU) A Introduction Comment se servir de cet ouvrage? Chaque chapitre présente une étape de la méthodologie et tous sont organisés selon le même
Plus en détailLES TYPES DE DONNÉES DU LANGAGE PASCAL
LES TYPES DE DONNÉES DU LANGAGE PASCAL 75 LES TYPES DE DONNÉES DU LANGAGE PASCAL CHAPITRE 4 OBJECTIFS PRÉSENTER LES NOTIONS D ÉTIQUETTE, DE CONS- TANTE ET DE IABLE DANS LE CONTEXTE DU LAN- GAGE PASCAL.
Plus en détailExtraction d informations stratégiques par Analyse en Composantes Principales
Extraction d informations stratégiques par Analyse en Composantes Principales Bernard DOUSSET IRIT/ SIG, Université Paul Sabatier, 118 route de Narbonne, 31062 Toulouse cedex 04 dousset@irit.fr 1 Introduction
Plus en détailQuantification Scalaire et Prédictive
Quantification Scalaire et Prédictive Marco Cagnazzo Département Traitement du Signal et des Images TELECOM ParisTech 7 Décembre 2012 M. Cagnazzo Quantification Scalaire et Prédictive 1/64 Plan Introduction
Plus en détailEXPLOITATIONS PEDAGOGIQUES DU TABLEUR EN STG
Exploitations pédagogiques du tableur en STG Académie de Créteil 2006 1 EXPLOITATIONS PEDAGOGIQUES DU TABLEUR EN STG Commission inter-irem lycées techniques contact : dutarte@club-internet.fr La maquette
Plus en détailBaccalauréat ES Pondichéry 7 avril 2014 Corrigé
Baccalauréat ES Pondichéry 7 avril 204 Corrigé EXERCICE 4 points Commun à tous les candidats. Proposition fausse. La tangente T, passant par les points A et B d abscisses distinctes, a pour coefficient
Plus en détailBusiness Intelligence avec SQL Server 2012
Editions ENI Business Intelligence avec SQL Server 2012 Maîtrisez les concepts et réalisez un système décisionnel Collection Solutions Informatiques Table des matières Les éléments à télécharger sont disponibles
Plus en détailIntroduction à R. Florence Yerly. Dept. de mathématiques, Université de Fribourg (CH) SP 2011
Dept. de mathématiques, Université de Fribourg (CH) SP 2011 Qu est ce que R? Un logiciel de statistiques libre et gratuit ; Un logiciel multi-plateforme (UNIX, Windows MacOS X) R permet de faire des calculs
Plus en détail