Débuter avec R. Maxime Hervé. UMR 1099 INRA Agrocampus Ouest Université Rennes 1 BiO3P. 28 avril 2011
|
|
- Nicolas Lemieux
- il y a 8 ans
- Total affichages :
Transcription
1 Débuter avec R Maxime Hervé UMR 1099 INRA Agrocampus Ouest Université Rennes 1 BiO3P 28 avril 2011 Maxime Hervé (UMR BiO3P) Débuter avec R 28 avril / 23
2 R, c est quoi? Trois caractéristiques importantes : multi-plateforme gratuit libre Maxime Hervé (UMR BiO3P) Débuter avec R 28 avril / 23
3 R, c est quoi? Trois caractéristiques importantes : multi-plateforme gratuit libre N importe où, n importe quand! Maxime Hervé (UMR BiO3P) Débuter avec R 28 avril / 23
4 R, ça sert à quoi? Analyser des données : calculs tests d hypothèses simulations Une table d ANOVA classique Response: reponse Df Sum Sq Mean Sq F value Pr(>F) facteur < 2.2e-16 *** Residuals Signif. codes: 0 *** ** 0.01 * Maxime Hervé (UMR BiO3P) Débuter avec R 28 avril / 23
5 R, ça sert à quoi? Tracer des graphes : Maxime Hervé (UMR BiO3P) Débuter avec R 28 avril / 23
6 R est un langage à la syntaxe intuitive Maxime Hervé (UMR BiO3P) Débuter avec R 28 avril / 23
7 R est un langage à la syntaxe intuitive Créer des objets > a <- 5 Maxime Hervé (UMR BiO3P) Débuter avec R 28 avril / 23
8 R est un langage à la syntaxe intuitive Créer des objets > a <- 5 > a [1] 5 Maxime Hervé (UMR BiO3P) Débuter avec R 28 avril / 23
9 R est un langage à la syntaxe intuitive Créer des objets > a <- 5 > a [1] 5 > b <- "Bonjour foule en delire" > b [1] "Bonjour foule en delire" Maxime Hervé (UMR BiO3P) Débuter avec R 28 avril / 23
10 R est un langage à la syntaxe intuitive Créer des objets > a <- 5 > a [1] 5 > b <- "Bonjour foule en delire" > b [1] "Bonjour foule en delire" > taille.hommes <- c(171,185,175,169,187,186,175,172,182,184) > taille.hommes [1] Maxime Hervé (UMR BiO3P) Débuter avec R 28 avril / 23
11 R est un langage à la syntaxe intuitive Créer des objets > a <- 5 > a [1] 5 > b <- "Bonjour foule en delire" > b [1] "Bonjour foule en delire" > taille.hommes <- c(171,185,175,169,187,186,175,172,182,184) > taille.hommes [1] > taille.femmes <- c(160,167,166,167,170,173,161,173,168,165) Maxime Hervé (UMR BiO3P) Débuter avec R 28 avril / 23
12 R est un langage à la syntaxe intuitive Créer des objets > a <- 5 > a [1] 5 > b <- "Bonjour foule en delire" > b [1] "Bonjour foule en delire" > taille.hommes <- c(171,185,175,169,187,186,175,172,182,184) > taille.hommes [1] > taille.femmes <- c(160,167,166,167,170,173,161,173,168,165) De nombreux types de jeu de données peuvent être importés : feuilles Excel bases de données fichiers SAS, SPSS, Stata Maxime Hervé (UMR BiO3P) Débuter avec R 28 avril / 23
13 R est un langage à la syntaxe intuitive Effectuer des opérations > talons <- c(0,5,3,2,0,6,2,2,4,0) Maxime Hervé (UMR BiO3P) Débuter avec R 28 avril / 23
14 R est un langage à la syntaxe intuitive Effectuer des opérations > talons <- c(0,5,3,2,0,6,2,2,4,0) > taille.femmes - talons [1] Maxime Hervé (UMR BiO3P) Débuter avec R 28 avril / 23
15 R est un langage à la syntaxe intuitive Effectuer des opérations > talons <- c(0,5,3,2,0,6,2,2,4,0) > taille.femmes - talons [1] > taille.femmes2 <- taille.femmes - talons Maxime Hervé (UMR BiO3P) Débuter avec R 28 avril / 23
16 R est un langage à la syntaxe intuitive Réaliser des tests statistiques > t.test(taille.hommes,taille.femmes2) Maxime Hervé (UMR BiO3P) Débuter avec R 28 avril / 23
17 R est un langage à la syntaxe intuitive Réaliser des tests statistiques > t.test(taille.hommes,taille.femmes2) Welch Two Sample t-test data: taille.hommes and taille.femmes2 t = , df = , p-value = 6.199e-05 alternative hypothesis: true difference in means is not equal to 0 95 percent confidence interval: sample estimates: mean of x mean of y Maxime Hervé (UMR BiO3P) Débuter avec R 28 avril / 23
18 R peut être étendu à l infini Si une fonction n existe pas, on la créé! Exemple : calcul de l erreur standard d une moyenne ESM = écart - type effectif Maxime Hervé (UMR BiO3P) Débuter avec R 28 avril / 23
19 R peut être étendu à l infini Si une fonction n existe pas, on la créé! Exemple : calcul de l erreur standard d une moyenne ESM = écart - type effectif 3 fonctions à utiliser : écart - type : sd() racine carrée : sqrt() effectif (longueur du vecteur) : length() Maxime Hervé (UMR BiO3P) Débuter avec R 28 avril / 23
20 R peut être étendu à l infini Si une fonction n existe pas, on la créé! Exemple : calcul de l erreur standard d une moyenne ESM = écart - type effectif 3 fonctions à utiliser : écart - type : sd() racine carrée : sqrt() effectif (longueur du vecteur) : length() Créer sa propre fonction > err.std <- function(vecteur) { sd(vecteur)/sqrt(length(vecteur)) } Maxime Hervé (UMR BiO3P) Débuter avec R 28 avril / 23
21 R peut être étendu à l infini Si une fonction n existe pas, on la créé! Exemple : calcul de l erreur standard d une moyenne ESM = écart - type effectif 3 fonctions à utiliser : écart - type : sd() racine carrée : sqrt() effectif (longueur du vecteur) : length() Créer sa propre fonction > err.std <- function(vecteur) { sd(vecteur)/sqrt(length(vecteur)) } > err.std(taille.hommes) [1] Maxime Hervé (UMR BiO3P) Débuter avec R 28 avril / 23
22 R peut être étendu à l infini Toutes les fonctions sont contenues dans des packages : certains sont installés avec R Maxime Hervé (UMR BiO3P) Débuter avec R 28 avril / 23
23 R peut être étendu à l infini Toutes les fonctions sont contenues dans des packages : certains sont installés avec R R étant libre, beaucoup d autres sont disponibles en ligne sur le CRAN (the Comprehensive R Archive Network) Maxime Hervé (UMR BiO3P) Débuter avec R 28 avril / 23
24 R peut être étendu à l infini Toutes les fonctions sont contenues dans des packages : certains sont installés avec R R étant libre, beaucoup d autres sont disponibles en ligne sur le CRAN (the Comprehensive R Archive Network) Maxime Hervé (UMR BiO3P) Débuter avec R 28 avril / 23
25 R ne vous laisse pas seul L aide fournie avec R : manuels An Introduction to R Writing R Extensions R Data Import/Export The R Language Definition R Installation and Administration R Internals Maxime Hervé (UMR BiO3P) Débuter avec R 28 avril / 23
26 R ne vous laisse pas seul L aide fournie avec R : manuels An Introduction to R Writing R Extensions R Data Import/Export The R Language Definition R Installation and Administration R Internals aide des fonctions : utilité utilisation exemples mail de l auteur... Maxime Hervé (UMR BiO3P) Débuter avec R 28 avril / 23
27 R ne vous laisse pas seul L aide en ligne : aide des packages Maxime Hervé (UMR BiO3P) Débuter avec R 28 avril / 23
28 R ne vous laisse pas seul L aide en ligne : aide des packages Utiliser le moteur de recherche intégré à R > RSiteSearch("regression") Maxime Hervé (UMR BiO3P) Débuter avec R 28 avril / 23
29 R ne vous laisse pas seul L aide en ligne : aide des packages Utiliser le moteur de recherche intégré à R > RSiteSearch("regression") documents rédigés par des utilisateurs : R pour les débutants (E. Paradis) Lire ; Compter ; Tester... avec R (C. Genolini) R pour les sociologues (J. Barnier) R pour les statophobes (D. Poinsot) Brise Glace - R (A. Robinson & A. Scholesing) Aide - mémoire de statistique appliquée à la biologie (M. Hervé) Maxime Hervé (UMR BiO3P) Débuter avec R 28 avril / 23
30 R peut aussi être utilisé via une interface graphique R Commander, JGR, Sci-Views R, Rattle, GrapheR... Avantages : pratique rapide pédagogique Maxime Hervé (UMR BiO3P) Débuter avec R 28 avril / 23
31 R peut aussi être utilisé via une interface graphique R Commander, JGR, Sci-Views R, Rattle, GrapheR... Avantages : pratique rapide pédagogique Inconvénients : limité évolution lente pas de mémoire Maxime Hervé (UMR BiO3P) Débuter avec R 28 avril / 23
32 R peut aussi être utilisé via une interface graphique Très peu de lignes de commandes à utiliser console Maxime Hervé (UMR BiO3P) Débuter avec R 28 avril / 23
33 R peut aussi être utilisé via une interface graphique Très peu de lignes de commandes à utiliser console Procédure plus longue, répétitive, structurée... éditeur de script Maxime Hervé (UMR BiO3P) Débuter avec R 28 avril / 23
34 R peut aussi être utilisé via une interface graphique Très peu de lignes de commandes à utiliser console Procédure plus longue, répétitive, structurée... éditeur de script Maxime Hervé (UMR BiO3P) Débuter avec R 28 avril / 23
35 R peut aussi être utilisé via une interface graphique Très peu de lignes de commandes à utiliser console Procédure plus longue, répétitive, structurée... éditeur de script Maxime Hervé (UMR BiO3P) Débuter avec R 28 avril / 23
36 R peut aussi être utilisé via une interface graphique Très peu de lignes de commandes à utiliser console Procédure plus longue, répétitive, structurée... éditeur de script Maxime Hervé (UMR BiO3P) Débuter avec R 28 avril / 23
37 R peut aussi être utilisé via une interface graphique Très peu de lignes de commandes à utiliser console Procédure plus longue, répétitive, structurée... éditeur de script Maxime Hervé (UMR BiO3P) Débuter avec R 28 avril / 23
38 R peut aussi être utilisé via une interface graphique Très peu de lignes de commandes à utiliser console Procédure plus longue, répétitive, structurée... éditeur de script Maxime Hervé (UMR BiO3P) Débuter avec R 28 avril / 23
39 R peut aussi être utilisé via une interface graphique Maxime Hervé (UMR BiO3P) Débuter avec R 28 avril / 23
40 R est réellement de plus en plus utilisé Maxime Hervé (UMR BiO3P) Débuter avec R 28 avril / 23
41 Fin Merci de votre attention Maxime Hervé (UMR BiO3P) Débuter avec R 28 avril / 23
Lire ; 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 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 détaildistribution quelconque Signe 1 échantillon non Wilcoxon gaussienne distribution symétrique Student gaussienne position
Arbre de NESI distribution quelconque Signe 1 échantillon distribution symétrique non gaussienne Wilcoxon gaussienne Student position appariés 1 échantillon sur la différence avec référence=0 2 échantillons
Plus en détailDidacticiel - Études de cas. Description de quelques fonctions du logiciel PSPP, comparaison des résultats avec ceux de Tanagra, R et OpenStat.
1 Objectif Description de quelques fonctions du logiciel PSPP, comparaison des résultats avec ceux de Tanagra, R et OpenStat. Tout le monde l aura compris, je passe énormément de temps à analyser les logiciels
Plus en détailExercices M1 SES 2014-2015 Ana Fermin (http:// fermin.perso.math.cnrs.fr/ ) 14 Avril 2015
Exercices M1 SES 214-215 Ana Fermin (http:// fermin.perso.math.cnrs.fr/ ) 14 Avril 215 Les exemples numériques présentés dans ce document d exercices ont été traités sur le logiciel R, téléchargeable par
Plus en détailINTRODUCTION AU LOGICIEL R
INTRODUCTION AU LOGICIEL R Variables et mise en jambe Anne Dubois, Julie Bertrand, Emmanuelle Comets emmanuelle.comets@inserm.fr INSERM UMR738 (UMR738) 1 / 68 Sur le site www.cran.r-project.org : Ou trouver
Plus en détailStatistiques. Rappels de cours et travaux dirigés. Master 1 Biologie et technologie du végétal. Année 2010-2011
Master 1 Biologie et technologie du végétal Année 010-011 Statistiques Rappels de cours et travaux dirigés (Seul ce document sera autorisé en examen) auteur : Jean-Marc Labatte jean-marc.labatte@univ-angers.fr
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 détailR00 Installation du logiciel R sous Windows
R00 Installation du logiciel R sous Windows 1. Installation du package de base R est distribué gratuitement à partir du site du CRAN (Comprehensive R Archive Network) : http://www.r-project.org. Pour télécharger
Plus en détailUne introduction. Lionel RIOU FRANÇA. Septembre 2008
Une introduction INSERM U669 Septembre 2008 Sommaire 1 Effets Fixes Effets Aléatoires 2 Analyse Classique Effets aléatoires Efficacité homogène Efficacité hétérogène 3 Estimation du modèle Inférence 4
Plus en détailIntroduction à la statistique non paramétrique
Introduction à la statistique non paramétrique Catherine MATIAS CNRS, Laboratoire Statistique & Génome, Évry http://stat.genopole.cnrs.fr/ cmatias Atelier SFDS 27/28 septembre 2012 Partie 2 : Tests non
Plus en détailCours 1. I- Généralités sur R II- Les fonctions de R et autres objets III-Les vecteurs
Cours 1 I- Généralités sur R II- Les fonctions de R et autres objets III-Les vecteurs IV-Les facteurs I-1 Généralités sur R R (1995, AT&T Bell Laboratories) est un logiciel d analyse statistique et graphique,
Plus en détailMODELE A CORRECTION D ERREUR ET APPLICATIONS
MODELE A CORRECTION D ERREUR ET APPLICATIONS Hélène HAMISULTANE Bibliographie : Bourbonnais R. (2000), Econométrie, DUNOD. Lardic S. et Mignon V. (2002), Econométrie des Séries Temporelles Macroéconomiques
Plus en détailL informatique en BCPST
L informatique en BCPST Présentation générale Sylvain Pelletier Septembre 2014 Sylvain Pelletier L informatique en BCPST Septembre 2014 1 / 20 Informatique, algorithmique, programmation Utiliser la rapidité
Plus en détailAnalyse de la variance Comparaison de plusieurs moyennes
Analyse de la variance Comparaison de plusieurs moyennes Biostatistique Pr. Nicolas MEYER Laboratoire de Biostatistique et Informatique Médicale Fac. de Médecine de Strasbourg Mars 2011 Plan 1 Introduction
Plus en détailPourquoi R devient incontournable en recherche, enseignement et développement
Pourquoi R devient incontournable en recherche, enseignement et développement Rencontre R, BoRdeaux 2012 Plan Introduction Recherche Enseignement Développement (entreprise) Conclusions Les logiciels de
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 détailAnalyse de variance à deux facteurs (plan inter-sujets à deux facteurs) TP9
Analyse de variance à deux facteurs (plan inter-sujets à deux facteurs) TP9 L analyse de variance à un facteur permet de vérifier, moyennant certaines hypothèses, si un facteur (un critère de classification,
Plus en détailTHEME PROJET D ELABORATION D UNE BASE DE DONNEES SOUS LE SERVEUR MYSQL
. THEME PROJET D ELABORATION D UNE BASE DE DONNEES SOUS LE SERVEUR MYSQL Mr MEZRED MOHAMED Ingénieur météorologue INTRODUCTION Il existe de nombreuses manières de construire une base de données. En effet,
Plus en détailTP de Statistiques: Utilisation du logiciel R
TP de Statistiques: Utilisation du logiciel R Année 2006-2007 2 Table des matières Introduction i 1 Premiers pas avec R 1 1.1 R est une calculatrice............................................. 1 1.2 R
Plus en détailINTRODUCTION À L'ENVIRONNEMENT DE PROGRAMMATION STATISTIQUE R
INTRODUCTION À L'ENVIRONNEMENT DE PROGRAMMATION STATISTIQUE R Y. BROSTAUX (1) RÉSUMÉ Cette note constitue une introduction au langage et à l'environnement de programmation 5 dans sa version 1.4.1 pour
Plus en détailModèles pour données répétées
Résumé Les données répétées, ou données longitudinales, constituent un domaine à la fois important et assez particulier de la statistique. On entend par données répétées des données telles que, pour chaque
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 détailAnalyse de données linguistiques
2011-2012 Slides inspirés des cours de S. Evert et M. Baroni Linguistique expérimentale? Traditionnellement en linguistique formelle, refus de l usage de données comme source d information unique: Méthode
Plus en détailÉtude des flux d individus et des modalités de recrutement chez Formica rufa
Étude des flux d individus et des modalités de recrutement chez Formica rufa Bruno Labelle Théophile Olivier Karl Lesiourd Charles Thevenin 07 Avril 2012 1 Sommaire Remerciements I) Introduction p3 Intérêt
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 détailRégression linéaire. Nicolas Turenne INRA nicolas.turenne@jouy.inra.fr
Régression linéaire Nicolas Turenne INRA nicolas.turenne@jouy.inra.fr 2005 Plan Régression linéaire simple Régression multiple Compréhension de la sortie de la régression Coefficient de détermination R
Plus en détailPlan. Présentation du logiciel Sympa Architecture La gestion des hôtes virtuels Listes avec inclusion des abonnés Les modules d authentification
Plan Présentation du logiciel Sympa Architecture La gestion des hôtes virtuels Listes avec inclusion des abonnés Les modules d authentification Les Scénarios d autorisation Le format TT2 Les familles de
Plus en détailAide - mémoire gnuplot 4.0
Aide - mémoire gnuplot 4.0 Nicolas Kielbasiewicz 20 juin 2008 L objet de cet aide-mémoire est de présenter les commandes de base pour faire rapidement de très jolis graphiques et courbes à l aide du logiciel
Plus en détailDensité de population et ingestion de nourriture chez un insecte vecteur de la maladie de Chagas
Fiche TD avec le logiciel : tdr335 Densité de population et ingestion de nourriture chez un insecte vecteur de la maladie de Chagas F. Menu, A.B. Dufour, E. Desouhant et I. Amat La fiche permet de se familiariser
Plus en détailVisual Taxe 4.1.0B04 minimum
1. PREREQUIS Le logiciel doit être en version 4.1.0B04. Le PBX doit être en version 6 minimum. 2. PRESENTATION DU FONCTIONNEMENT GENERAL Avec les PBX Cisco, le fonctionnement et le traitement du fil de
Plus en détailExemples d Analyses de Variance avec R
Exemples d Analyses de Variance avec R Christophe Pallier 5 août 00 Résumé R est un logiciel d analyse statistique qui fournit toutes les procédures usuelles (t-tests, anova, tests non paramétriques...)
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 détailAnalyser les réseaux avec R (packages statnet, igraph et tnet)
Analyser les réseaux avec R (packages statnet, igraph et tnet) Laurent Beauguitte To cite this version: Laurent Beauguitte. Analyser les réseaux avec R (packages statnet, igraph et tnet). DEA. Analyser
Plus en détailINTRODUCTION GENERALE...1 LA CONNEXION ODBC :...1. CONNEXION AU TRAVERS D EXCEL(tm)...6. LOGICIEL QUANTUM GIS (Qgis)... 10
PROGRAMME RÉGIONAL DE RENFORCEMENT DE LA COLLECTE DES DONNÉES STATISTIQUES DES PECHES DANS LES ÉTATS MEMBRES ET DE CREATION D UNE BASE DE DONNÉES REGIONALE Manuel de formation TABLE DES MATIERES INTRODUCTION
Plus en détailWORKSHOP OBIEE 11g (version 11.1.1.5) PRE-REQUIS:
WORKSHOP OBIEE 11g (version 11.1.1.5) Durée du workshop: 2 jours Profil des participants du workshop: Profil fonctionnel ou technique Notions de modélisation multidimensionnelle et du décisionnel NB :
Plus en détailStudio. HERITIER Emmanuelle PERSYN Elodie. SCHMUTZ Amandine SCHWEITZER Guillaume
Studio HERITIER Emmanuelle PERSYN Elodie SCHMUTZ Amandine SCHWEITZER Guillaume Cours R Présentation projet 10/10/2013 Introduction RStudio est une interface créé par JJ Allaire Elle est sortie le 11 Février
Plus en détailUtilisation du Logiciel de statistique SPSS 8.0
Utilisation du Logiciel de statistique SPSS 8.0 1 Introduction Etude épidémiologique transversale en population générale dans 4 pays d Afrique pour comprendre les différences de prévalence du VIH. 2000
Plus en détailReproductibilité des expériences de l article "Analyse et réduction du chemin critique dans l exécution d une application"
Reproductibilité des expériences de l article "Analyse et réduction du chemin critique dans l exécution d une application" Katarzyna Porada and David Parello and Bernard Goossens Univ. Perpignan Via Domitia,
Plus en détailI00 Éléments d architecture
I00 I Exemples d ordinateur Pour les informaticiens, différentes machines de la vie courante sont des ordinateurs : par exemple les ordinateurs portables, les ordinateurs fixes, mais aussi les supercalculateurs,
Plus en détailGestion des données avec R
Gestion des données avec R Christophe Lalanne & Bruno Falissard Table des matières 1 Introduction 1 2 Importation de fichiers CSV 1 2.1 Structure du fichier de données...................................
Plus en détailMicrosoft Excel : tables de données
UNIVERSITE DE LA SORBONNE NOUVELLE - PARIS 3 Année universitaire 2000-2001 2ème SESSION SLMD2 Informatique Les explications sur la réalisation des exercices seront fournies sous forme de fichiers informatiques.
Plus en détail1 Modélisation d être mauvais payeur
1 Modélisation d être mauvais payeur 1.1 Description Cet exercice est très largement inspiré d un document que M. Grégoire de Lassence de la société SAS m a transmis. Il est intitulé Guide de démarrage
Plus en détailInitiation au trading automatique et semi-automatique avec Metatrader 4. Nicolas ALEKSY www.satelysfx.com
Initiation au trading automatique et semi-automatique avec Metatrader 4 Nicolas ALEKSY www.satelysfx.com Introduction Les idées reçues au sujet du trading automatique : Réservé aux intervenants institutionnels
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 détailBasculement de base de données
Fiche IS00201 Version document : 1.01 Diffusion limitée : Systancia, membres du programme Partenaires AppliDis et clients ou prospects de Systancia ou des membres du programme Partenaires AppliDis. Résumé
Plus en détailVMware ESX : Installation. Hervé Chaudret RSI - Délégation Centre Poitou-Charentes
VMware ESX : Installation VMware ESX : Installation Créer la Licence ESX 3.0.1 Installation ESX 3.0.1 Outil de management Virtual Infrastructure client 2.0.1 Installation Fonctionnalités Installation Virtual
Plus en détailGoogle Tag Manager v2 v1 dispo sur http://bit.ly/1adylb0 GTM pour les nuls dispo sur http://bit.ly/1fx5bgg
Google Tag Manager v2 v1 dispo sur http://bit.ly/1adylb0 GTM pour les nuls dispo sur http://bit.ly/1fx5bgg 45 minutes pour comprendre GTM et aller plus loin dans son utilisation Remerciements Merci aux
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 détailDATASET / NETREPORT, propose une offre complète de solutions dans les domaines suivants:
Présentation Société DATASET / NETREPORT, propose une offre complète de solutions dans les domaines suivants: Outils d aide à la décision Gamme DATASET Solutions de gestion temps réel du système d information
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 détail1 Installer des packages
10 mai 2014 Fabricɛ Dɛssaint Inra - UMR Agroécologie, Dijon 10 mai 2014 R est un système d analyse statistique et graphique, qui est distribué librement et dont le développement et la distribution sont
Plus en détailLangage Perl. Introduction & Retour d'expérience. Journée du 30/11/2010 - S. Gallina - GEPV - 1/42
Langage Perl Introduction & Retour d'expérience Journée du 30/11/2010 - S. Gallina - GEPV - 1/42 Perl Practical Extraction and Report Langage Langage de script (non compilé) Conçu par Larry Wall Enrichi
Plus en détailExemple PLS avec SAS
Exemple PLS avec SAS This example, from Umetrics (1995), demonstrates different ways to examine a PLS model. The data come from the field of drug discovery. New drugs are developed from chemicals that
Plus en détailR01 Import de données
R01 Import de données A partir du package de base, R peut lire les données stockées dans des fichiers texte, à partir notamment des fonctions read.table, read.csv, read.delim, read.csv2, read.delim2, et
Plus en détailSEMIN- Gestion des couleurs sous R. Michel BAYLAC. MNHN Département Systématique et Evolution OSEB baylac@mnhn.fr
SEMIN- Gestion des couleurs sous R Michel BAYLAC MNHN Département Systématique et Evolution OSEB baylac@mnhn.fr SEMIN-R du MNHN 08 Janvier 2008 Sémin R du MNHN : 8 janvier 2008 Gestion des couleurs sous
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 détailGENERALITES... 2. Sélection du fichier... 7 TRANSFERT DES ECRITURES... 8
GENERALITES... 2 Présentation... 2 Définition du format du fichier d import/export... 4 Gestion des Profils... 6 Sélection d un profil existant... 6 Création d un profil... 6 Sélection du fichier... 7
Plus en détailL2T SMS RESELLER MANUEL DE CONFIGURATION ESPACE RESELLER AVERTISSEMENT
L2T SMS RESELLER MANUEL DE CONFIGURATION ESPACE RESELLER AVERTISSEMENT Si ce document a un indice supérieur à ceux précédemment diffusés, il les annule et les remplace En conséquence, sont destinataire
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 détailCursus Sage ERP X3 Outils & Développement. Le parcours pédagogique Sage ERP X3 Outils et Développement
Cursus Outils & Développement Vous êtes Consultant, Chef de Projets, Directeur des Systèmes d Information, Directeur Administratif et Financier, Optez pour les «formations Produits» Nous vous proposons
Plus en détailLa boucle for La boucle while L utilisation du if else. while (condition) { instruction(s) }
VI Initiation à la programmation sous Comme nous l avons constaté tout au long du document, offre de nombreuses fonctionnalités En tant que nouvelles utilisateurs de il vous est désormais PRESQUE possible
Plus en détailTRACER LE GRAPHE D'UNE FONCTION
TRACER LE GRAPHE D'UNE FONCTION Sommaire 1. Méthodologie : comment tracer le graphe d'une fonction... 1 En combinant les concepts de dérivée première et seconde, il est maintenant possible de tracer le
Plus en détailExemples d application
AgroParisTech Exemples d application du modèle linéaire E Lebarbier, S Robin Table des matières 1 Introduction 4 11 Avertissement 4 12 Notations 4 2 Régression linéaire simple 7 21 Présentation 7 211 Objectif
Plus en détailBig Data et Graphes : Quelques pistes de recherche
Big Data et Graphes : Quelques pistes de recherche Hamamache Kheddouci Laboratoire d'informatique en Image et Systèmes d'information LIRIS UMR 5205 CNRS/INSA de Lyon/Université Claude Bernard Lyon 1/Université
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 détailSauvegarde de postes clients avec BackupPC
Sauvegarde de postes clients avec BackupPC Plan Expression des besoins Cahier des charges Présentation de BackupPC Installation et configuration Mise en pratique à l'observatoire Administration des Sauvegardes
Plus en détailHadoop / Big Data. Benjamin Renaut <renaut.benjamin@tokidev.fr> MBDS 2014-2015
Hadoop / Big Data Benjamin Renaut MBDS 2014-2015 TP 3 TP noté Méthodologie Map/Reduce - programmation Hadoop - Sqoop Préparation du TP 1 Importer la machine virtuelle.ova du
Plus en détailUNE FORMATION POUR APPRENDRE À PRÉSENTER DES DONNÉES CHIFFRÉES : POUR QUI ET POURQUOI? Bénédicte Garnier & Elisabeth Morand
UNE FORMATION POUR APPRENDRE À PRÉSENTER DES DONNÉES CHIFFRÉES : POUR QUI ET POURQUOI? Bénédicte Garnier & Elisabeth Morand Service méthodes statistiques Institut National d Etudes Démographiques (Ined)
Plus en détaill originalité conseil en stratégies médias pour une croissance pérenne Your business technologists. Powering progress
l originalité pour une croissance pérenne conseil en stratégies médias Your business technologists. Powering progress Realizing Customer Value Une nouvelle approche Dans le monde des médias, la prise de
Plus en détailPrésentation skills. Programme de Formation. (Prise de parole en public en anglais)
2009 Programme de Formation Présentation skills (Prise de parole en public en anglais) Page : 1 Intervenant(e): Objectifs Restaurer sa confiance dans l emploi d une langue étrangère. Consolider ses acquis
Plus en détailGénérer du code à partir d une description de haut niveau
Cedric Dumoulin Générer du code à partir d une description de haut niveau Ce projet vise à fournir un environnement de développement permettant de modéliser des UI Android à un haut niveau d abstraction,
Plus en détailINTRODUCTION A JAVA. Fichier en langage machine Exécutable
INTRODUCTION A JAVA JAVA est un langage orienté-objet pur. Il ressemble beaucoup à C++ au niveau de la syntaxe. En revanche, ces deux langages sont très différents dans leur structure (organisation du
Plus en détailManuel de déploiement sous Windows & Linux
Manuel de déploiement sous Windows & Linux 18/11/2013 Page 1/6 Prérequis Vous devez consulter la spécification technique dénommée «caractéristiques techniques des serveurs et stations» afin de connaître
Plus en détailBANC D ETALONNAGE EN TEMPERATURE
BANC D ETALONNAGE EN TEMPERATURE Nicolas Lavenant¹, Martine Ollitrault², Yannick Hamon³, Nicolas Gilliet³, Yannick Fauvel ³, Mickael Faucheux ³ ¹ CNRS/ Université UMR6118 Géosciences (Beaulieu Université
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 détailas Architecture des Systèmes d Information
Plan Plan Programmation - Introduction - Nicolas Malandain March 14, 2005 Introduction à Java 1 Introduction Présentation Caractéristiques Le langage Java 2 Types et Variables Types simples Types complexes
Plus en détailSurveillance et maintenance prédictive : évaluation de la latence de fautes. Zineb SIMEU-ABAZI Univ. Joseph Fourier, LAG)
Surveillance et maintenance prédictive : évaluation de la latence de fautes Zineb SIMEU-ABAZI Univ. Joseph Fourier, LAG) SURVEILLANCE Analyser une situation et fournir des indicateurs! Détection de symptômes!
Plus en détailVERSION 64 BITS DE SAS ET VOS FICHIERS MICROSOFT OFFICE 32-BITS
VERSION 64 BITS DE SAS ET VOS FICHIERS MICROSOFT OFFICE 32-BITS La plupart des PC, qu ils soient pour usage personnel ou professionnel, tournent aujourd hui sous un système Windows 64-bits. En tant qu
Plus en détailLes simulations dans l enseignement des sondages Avec le logiciel GENESIS sous SAS et la bibliothèque Sondages sous R
Les simulations dans l enseignement des sondages Avec le logiciel GENESIS sous SAS et la bibliothèque Sondages sous R Yves Aragon, David Haziza & Anne Ruiz-Gazen GREMAQ, UMR CNRS 5604, Université des Sciences
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 détailXML, PMML, SOAP. Rapport. EPITA SCIA Promo 2004 16 janvier 2003. Julien Lemoine Alexandre Thibault Nicolas Wiest-Million
XML, PMML, SOAP Rapport EPITA SCIA Promo 2004 16 janvier 2003 Julien Lemoine Alexandre Thibault Nicolas Wiest-Million i TABLE DES MATIÈRES Table des matières 1 XML 1 1.1 Présentation de XML.................................
Plus en détailDimensionnement Introduction
Dimensionnement Introduction Anthony Busson Dimensionnement Pourquoi dimensionner? Création d un système informatique ou réseau Problème de décision (taille des différents paramètres) Evaluer les performances
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 détailExercices Alternatifs. Quelqu un aurait-il vu passer un polynôme?
Exercices Alternatifs Quelqu un aurait-il vu passer un polynôme? c 2004 Frédéric Le Roux, François Béguin (copyleft LDL : Licence pour Documents Libres). Sources et figures: polynome-lagrange/. Version
Plus en détailExercices Alternatifs. Quelqu un aurait-il vu passer un polynôme?
Exercices Alternatifs Quelqu un aurait-il vu passer un polynôme? c 2004 Frédéric Le Roux, François Béguin (copyleft LDL : Licence pour Documents Libres). Sources et figures: polynome-lagrange/. Version
Plus en détailLES OUTILS D ALIMENTATION DU REFERENTIEL DE DB-MAIN
LES OUTILS D ALIMENTATION DU REFERENTIEL DE DB-MAIN Les contenues de ce document sont la propriété exclusive de la société REVER. Ils ne sont transmis qu à titre d information et ne peuvent en aucun cas
Plus en détailGrammaires d unification
Cours sur le traitement automatique des langues (IV) Violaine Prince Université de Montpellier 2 LIRMM-CNRS Grammaires d unification Grammaire catégorielle Grammaire syntagmatique généralisée (GPSG) Les
Plus en détailA. Architecture du serveur Tomcat 6
Administration du serveur A. Architecture du serveur Tomcat 6 La compréhension de l architecture interne du serveur Tomcat 6 est un pré-requis indispensable pour bien en maîtriser l administration et la
Plus en détailWIMS. Découvrir et utiliser
WIMS Découvrir et utiliser (version préliminaire - 3 janvier 2011) Copyright c 2009 WIMS EDU GNU FDL Copyleft 2009 http://wimsedu.info 1 Découverte 1. Découvrir WIMS (I) Un internaute désire découvrir
Plus en détailLes outils actuels permettent-ils d automatiser la production de cartes? De quels outils dispose-t-on?
Le "Portrait de la Biodiversité Communale" est un document réalisé au niveau national pour chaque commune, regroupant les connaissances publiques disponibles et mobilisables à l'échelle nationale en matière
Plus en détailCours de Master Recherche
Cours de Master Recherche Spécialité CODE : Résolution de problèmes combinatoires Christine Solnon LIRIS, UMR 5205 CNRS / Université Lyon 1 2007 Rappel du plan du cours 16 heures de cours 1 - Introduction
Plus en détailNetwork Shutdown Module V3 Extension du Manuel Utilisateur pour architecture Virtualisée VMWare ESX Server
Network Shutdown Module V3 Extension du Manuel Utilisateur pour architecture Virtualisée VMWare ESX Server Machine virtuelle Machine virtuelle Machine virtuelle VMware ESX 3 Network Shutdown Module Network
Plus en détailR, Bonnes pratiques. Christophe Genolini
R, Bonnes pratiques Christophe Genolini 1 Table des matières 1 Des bonnes pratiques, pour quoi faire? 4 2 Choix de l éditeur de texte 4 3 Architecture du code 6 4 Variables 10 5 Commentaires et documentation
Plus en détailUtilisation des tableaux sémantiques dans les logiques de description
Utilisation des tableaux sémantiques dans les logiques de description IFT6281 Web Sémantique Jacques Bergeron Département d informatique et de recherche opérationnelle Université de Montréal bergerja@iro.umontreal.ca
Plus en détailPilotage de la masse salariale Déploiement de l outil de budgétisation
Pilotage de la masse salariale Déploiement de l outil de budgétisation par Jean-Michel de Guerdavid, expert pour l AFRITAC de l Ouest 1 Présentation de l outil de budgétisation 1. Utilisation de l outil
Plus en détailNFA 008. Introduction à NoSQL et MongoDB 25/05/2013
NFA 008 Introduction à NoSQL et MongoDB 25/05/2013 1 NoSQL, c'est à dire? Les bases de données NoSQL restent des bases de données mais on met l'accent sur L'aspect NON-relationnel L'architecture distribuée
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 détail