Méthodes De Couplage De Deux K-Tableaux Et Collections De Graphiques
|
|
- Heloïse Crépeau
- il y a 6 ans
- Total affichages :
Transcription
1 Méthodes De Couplage De Deux K-Tableaux Et Collections De Graphiques J. Thioulouse, A. Siberchicot, A. Julien-Laferrière, A.B. Dufour, S. Dray Biométrie & Biologie Evolutive - CNRS - Université Lyon 1 June 26, 2013 J. Thioulouse, A. Siberchicot,A. Julien-Laferrière, A.B. Couplage Dufour, De S. Deux Dray K-Tableaux (jean.thioulouse@univ-lyon1.frbiométrie June 26, 2013 & Biologie1 Evoluti / 19
2 Table of Contents 1 Introduction - Analyse de données écologiques avec ade4 2 Sorties des analyses - Coordonnées factorielles 3 Représentations graphiques - Utilisation d adegraphics 4 Conclusion J. Thioulouse, A. Siberchicot,A. Julien-Laferrière, A.B. Couplage Dufour, De S. Deux Dray K-Tableaux (jean.thioulouse@univ-lyon1.frbiométrie June 26, 2013 & Biologie2 Evoluti / 19
3 Introduction Méthodes de couplage de deux K-tableaux Collections de graphiques avec le package adegraphics Rappels sur les méthodes d analyse de données écologiques avec ade4 Les méthodes d analyse d un tableau Les méthodes d analyse d un couple de tableaux Les méthodes d analyse de K-tableaux Les méthodes d analyse de K couples de tableaux (deux K-tableaux) J. Thioulouse, A. Siberchicot,A. Julien-Laferrière, A.B. Couplage Dufour, De S. Deux Dray K-Tableaux (jean.thioulouse@univ-lyon1.frbiométrie June 26, 2013 & Biologie3 Evoluti / 19
4 Introduction Les méthodes d analyse d un tableau ACP, AFC, ACM: une dizaine dans ade4 (dudi.xxx) En écologie: tableaux de dénombrements d espèces Abondances, % recouvrement, présence/absence, traits spécifiques Données génétiques: micro-satellites, puces ADN, séquençage Variables environnementales (milieu), données satellites (land cover) Objectifs: description de structures Typologie d individus (lignes = sites) Corrélations entre variables (colonnes = espèces / variables) J. Thioulouse, A. Siberchicot,A. Julien-Laferrière, A.B. Couplage Dufour, De S. Deux Dray K-Tableaux (jean.thioulouse@univ-lyon1.frbiométrie June 26, 2013 & Biologie4 Evoluti / 19
5 Introduction Les méthodes d analyse d un couple de tableaux ACC, RDA, COIA, RLQ, pcaiv, etc. huit fonctions dans ade4 Un tableau de données d espèces Un tableau de données de variables du milieu (mêmes sites) Plusieurs familles de méthodes: Direct / indirect gradient analysis Analyses sous contraintes (combinaisons linéaires des var. milieu) Analyse de coinertie (covariances croisées) Objectifs: description des relations entre les deux tableaux Prédiction d un tableau par l autre Analyse de co-structures (typologies) Test statistique (permutations) J. Thioulouse, A. Siberchicot,A. Julien-Laferrière, A.B. Couplage Dufour, De S. Deux Dray K-Tableaux (jean.thioulouse@univ-lyon1.frbiométrie June 26, 2013 & Biologie5 Evoluti / 19
6 Introduction Les méthodes d analyse de K-tableaux STATIS, ATP, AFC Foucart Une série de tableaux de données En écologie: un tableau espèces x sites répété au cours du temps Trois étapes: Interstructure / Compromis / Intrastructure Interstructure: importance de chaque tableau, coeff. CL compromis Compromis: analyse d un tableau moyen pondéré Intrastructure: projection des lignes et des colonnes de tous les tableaux initiaux dans l analyse du compromis Objectifs: analyse de la stabilité des structures Typologie des tableaux (interstructure) Structures stables: tableau moyen (compromis) Description des modifications de structures (intrastructure) J. Thioulouse, A. Siberchicot,A. Julien-Laferrière, A.B. Couplage Dufour, De S. Deux Dray K-Tableaux (jean.thioulouse@univ-lyon1.frbiométrie June 26, 2013 & Biologie6 Evoluti / 19
7 Introduction Les méthodes d analyse de K couples de tableaux BGCOIA (coinertie inter-classes) STATICO, COSTATIS (ATP / coinertie) DO-ACT (double STATIS, Vivien & Sabatier 2004) Une série de tableaux de données d espèces Une série de tableaux de données du milieu Stabilité des relations espèces/milieu Objectifs: analyse de la stabilité des co-structures espèces/milieu Typologie de co-structures (typologie de typologies) Co-structures stables Description des modifications de co-structures J. Thioulouse, A. Siberchicot,A. Julien-Laferrière, A.B. Couplage Dufour, De S. Deux Dray K-Tableaux (jean.thioulouse@univ-lyon1.frbiométrie June 26, 2013 & Biologie7 Evoluti / 19
8 Coordonnées factorielles Sorties des analyses (ade4): dataframes de coordonnées factorielles Les méthodes d analyse d un tableau Tableau (n, p), f axes conservés pour le calcul coordonnées Coordonnées des individus (lignes): xxx$li (n, f ) Coordonnées des variables (colonnes): xxx$co (p, f ) Les méthodes d analyse d un couple de tableaux Analyse de coinertie: Tableau espèces (n, p 1 ) Tableau milieu (n, p 2 ) Tableau croisé (p 1, p 2 ) Coordonnées des colonnes du tableau espèces: $li (p 1, f ) Coordonnées des colonnes du tableau milieu: $co (p 2, f ) Coordonnées des lignes du tableau espèces: $lx (n, f ) Coordonnées des lignes du tableau milieu: $ly (n, f ) J. Thioulouse, A. Siberchicot,A. Julien-Laferrière, A.B. Couplage Dufour, De S. Deux Dray K-Tableaux (jean.thioulouse@univ-lyon1.frbiométrie June 26, 2013 & Biologie8 Evoluti / 19
9 Coordonnées factorielles Les méthodes d analyse de K-tableaux Analyse Triadique Partielle (ATP): t tableaux, (n, p) Interstructure: $RV.coo (t, f ) Compromis (individus) : $li (n, f ) Compromis (variables) : $co (p, f ) Intrastructure (proj. lignes des tableaux initiaux): $Tli (t n, f ) Intrastructure (proj. colonnes des tableaux initiaux): $Tco (t p, f ) J. Thioulouse, A. Siberchicot,A. Julien-Laferrière, A.B. Couplage Dufour, De S. Deux Dray K-Tableaux (jean.thioulouse@univ-lyon1.frbiométrie June 26, 2013 & Biologie9 Evoluti / 19
10 Coordonnées factorielles Les méthodes d analyse de K couples de tableaux Analyse STATICO (ATP des tableaux croisés espèces x milieu): t tableaux espèces (n, p 1 ), t tableaux milieu (n, p 2 ) Interstructure: $RV.coo (t, f ) Compromis (espèces) : $li (p 1, f ) Compromis (milieu) : $co (p 2, f ) Intrastructure (proj. des col. tableaux d espèces): $Tli (t p 1, f ) Intrastructure (proj. des col. tableaux de milieu): $Tco (t p 2, f ) Intrastructure (proj. des lig. tableaux d espèces): $supix (t n, f ) Intrastructure (proj. des lig. tableaux de milieu): $supiy (t n, f ) J. Thioulouse, A. Siberchicot,A. Julien-Laferrière, A.B. Couplage Dufour, De S. Deux Dray K-Tableaux (jean.thioulouse@univ-lyon1.frbiométrie June 26, 2013 & Biologie 10 Evoluti / 19
11 Représentations graphiques Tableaux de coordonnées factorielles représentations graphiques Exemple: jeu de données réel de petites dimensions Méaudret: 4 couples de tableaux espèces x milieu (un par saison) Méthode STATICO (couplage de deux K-tableaux) Anciennes fonctions graphiques d ade4 vs. adegraphics J. Thioulouse, A. Siberchicot,A. Julien-Laferrière, A.B. Couplage Dufour, De S. Deux Dray K-Tableaux (jean.thioulouse@univ-lyon1.frbiométrie June 26, 2013 & Biologie 11 Evoluti / 19
12 Graphiques: exemple Exemple: données du Méaudret (Autrans), package ade4 6 stations réparties le long d un cours d eau, échantillonnées 4 fois un K-tableau milieu: 10 variables physico-chimiques un K-tableau 13 espèces éphémeroptères. Winter Autumn Summer Spring Sites (6) Environmental variables (10) Winter Autumn Summer Spring Sites (6) Ephemeroptera species (13) Jeu de données du Méaudret, package ade4. J. Thioulouse, A. Siberchicot,A. Julien-Laferrière, A.B. Couplage Dufour, De S. Deux Dray K-Tableaux (jean.thioulouse@univ-lyon1.frbiométrie June 26, 2013 & Biologie 12 Evoluti / 19
13 Graphiques: méthode STATICO Méthode STATICO, package ade4 k p q n 2 k-tables Means by table k COIA 2 PTA p q k q p q k 2 tables of group means p k cross-covariance tables n 2 compromises COIA q PTA q COIA q p p p Cross-covariance table Cross-covariance compromise Cross-covariance table BGCOIA STATICO COSTATIS J. Thioulouse, A. Siberchicot,A. Julien-Laferrière, A.B. Couplage Dufour, De S. Deux Dray K-Tableaux (jean.thioulouse@univ-lyon1.frbiométrie June 26, 2013 & Biologie 13 Evoluti / 19
14 Graphiques: méthode STATICO Méthode STATICO (couplage de deux K-tableaux) Intrastructure, Trajectoire des individus Collection de graphiques obtenue par juxtaposition des projections des lignes (stations) de tous les tableaux des deux séries dans l analyse du compromis. Calculs: data(meau) wit1 <- withinpca(meau$env, meau$design$season, scal = "total") spepca <- dudi.pca(meau$spe, scale = FALSE) wit2 <- wca(spepca, meau$design$season) kta1 <- ktab.within(wit1) # premier k-tableau kta2 <- ktab.within(wit2) # second k-tableau kcoi <- ktab.match2ktabs(kta1, kta2) # K-tableau croisés statico1 <- pta(kcoi) # Analyse triadique partielle J. Thioulouse, A. Siberchicot,A. Julien-Laferrière, A.B. Couplage Dufour, De S. Deux Dray K-Tableaux (jean.thioulouse@univ-lyon1.frbiométrie June 26, 2013 & Biologie 14 Evoluti / 19
15 Graphiques avec ade4 Graphiques des trajectoires: anciennes fonctions d ade4 par(mfrow=c(2,2)) for (i in levels(reorder(meau$design$season, rep(c(1, 2, 3, 4), each = 6)))) { s.traject(statico1$supix[meau$design$season == i, ], label = i,, xlim = c(-3.5, 2), ylim = c(-2, 3)) s.label(statico1$supix[meau$design$season == i, ], label = sites,, xlim = c(-3.5, 2), ylim = c(-2, 3), add.plot = T) } for (i in levels(reorder(meau$design$season, rep(c(1, 2, 3, 4), each = 6)))) { s.traject(statico1$supiy[meau$design$season == i, ], label = i,, xlim = c(-3.5, 2), ylim = c(-2, 3)) s.label(statico1$supiy[meau$design$season == i, ], label = sites,, xlim = c(-3.5, 2), ylim = c(-2, 3), add.plot = T) } J. Thioulouse, A. Siberchicot,A. Julien-Laferrière, A.B. Couplage Dufour, De S. Deux Dray K-Tableaux (jean.thioulouse@univ-lyon1.frbiométrie June 26, 2013 & Biologie 15 Evoluti / 19
16 Graphiques avec ade4 d = 1 d = 1 d = 1 d = 1 1 spring 2 summer autumn winter d = 1 d = 1 1 d = 1 d = summer autumn spring winter Intrastructure des stations pour les variables du milieu (en haut) et pour les espèces (en bas), package ade4. J. Thioulouse, A. Siberchicot,A. Julien-Laferrière, A.B. Couplage Dufour, De S. Deux Dray K-Tableaux (jean.thioulouse@univ-lyon1.frbiométrie June 26, 2013 & Biologie 16 Evoluti / 19
17 Graphiques avec adegraphics Nouvelles fonctions du package adegraphics st1 <- s.traject(statico1$supix, facets = statico1$supti[,1], plabels.cex = 0, psub.cex = 0, plot = FALSE) sla1 <- s.label(statico1$supix, facets = statico1$supti[,1], psub.cex = 1.5, plabel.col = "red", plot = FALSE) st2 <- s.traject(statico1$supiy, facets = statico1$supti[,1], plabels.cex = 0, psub.cex = 0, plot = FALSE) sla2 <- s.label(statico1$supiy, facets = statico1$supti[,1], psub.cex = 1.5, plabel.col = "blue", plot = FALSE) pos1 <- rbind(c(0,0,.25,1),c(.25,0,.5,1),c(.5,0,.75,1),c(.75,0,1,1)) st1@positions <- st2@positions <- pos1 sla1@positions <- sla2@positions <- pos1 s1 <- superpose(st1, sla1) s2 <- superpose(st2, sla2) ADEgS(list(s1, s2), layout = c(2, 1)) J. Thioulouse, A. Siberchicot,A. Julien-Laferrière, A.B. Couplage Dufour, De S. Deux Dray K-Tableaux (jean.thioulouse@univ-lyon1.frbiométrie June 26, 2013 & Biologie 17 Evoluti / 19
18 Graphiques avec adegraphics d= 1 d= 1 d= 1 d= 1 S1 S2.1 S1.1 S1.2 S1.3 spring S2 S3 S6 S4 S5 d= 1 summer S3.1 S4.1 S6.1 S5.1 d= 1 S2.2 autumn S5.2 S3.2 S6.2 S4.2 S1.2 d= 1 winter S2.3 S5.3 S3.3 S4.3 S6.3 d= 1 S1.1 S1 S1.3 spring S2 S4 S3 S5 S6 S2.1 summer S3.1 S5.1 S4.1 S6.1 S2.2 autumn S3.2 S4.2 S5.2 S6.2 S3.3 winter S2.3 S4.3 Intrastructure des stations pour les variables du milieu (en haut) et pour les espèces (en bas), package adegraphics. S5.3 S6.3 J. Thioulouse, A. Siberchicot,A. Julien-Laferrière, A.B. Couplage Dufour, De S. Deux Dray K-Tableaux (jean.thioulouse@univ-lyon1.frbiométrie June 26, 2013 & Biologie 18 Evoluti / 19
19 Conclusion Package adegraphics: Collections de graphiques Lattice Classes S4 Beaucoup d autres avantages (objets graphiques modifiables) Facilité d utilisation et de programmation Méthodes d analyse de données: couplage de 2 K-tableaux Stages de formation ade4: Novembre/Décembre 2013 Ouvrage en cours de rédaction: Collection Use R! Springer J. Thioulouse, A. Siberchicot,A. Julien-Laferrière, A.B. Couplage Dufour, De S. Deux Dray K-Tableaux (jean.thioulouse@univ-lyon1.frbiométrie June 26, 2013 & Biologie 19 Evoluti / 19
Mémo d utilisation de ADE-4
Mémo d utilisation de ADE-4 Jérôme Mathieu http://www.jerome.mathieu.freesurf.fr 2003 ADE-4 est un logiciel d analyses des communautés écologiques créé par l équipe de biostatistiques de Lyon. Il propose
Plus en détailInitiation à l analyse en composantes principales
Fiche TD avec le logiciel : tdr601 Initiation à l analyse en composantes principales A.B. Dufour & J.R. Lobry Une première approche très intuitive et interactive de l ACP. Centrage et réduction des données.
Plus en détailIndividus et informations supplémentaires
ADE-4 Individus et informations supplémentaires Résumé La fiche décrit l usage des individus supplémentaires dans des circonstances variées. En particulier, cette pratique est étendue aux analyses inter
Plus en détailExtraction d information des bases de séquences biologiques avec R
Extraction d information des bases de séquences biologiques avec R 21 novembre 2006 Résumé Le module seqinr fournit des fonctions pour extraire et manipuler des séquences d intérêt (nucléotidiques et protéiques)
Plus en détail«Poursuivre au-delà de BEEST : une approche fonctionnelle basée sur les traits de vie des espèces en relation avec l habitat».
«Poursuivre au-delà de BEEST : une approche fonctionnelle basée sur les traits de vie des espèces en relation avec l habitat». Philippe USSEGLIO-POLATERA Université Paul Verlaine Metz UMR-CNRS 746 - LIEBE
Plus en détailTraits biologiques : variables ou K-tableaux?
Consultations statistiques avec le logiciel Traits biologiques : variables ou K-tableaux? Résumé La fiche donne des indications sur la nature des tableaux de traits biologiques. A partir de plusieurs exemples,
Plus en détailIndexmed : Le big data en écologie? Pas encore disent certains. Pas si sûr! Avec IndexMed. Relevons ce challenge!
Indexmed : Le big data en écologie? Pas encore disent certains Pas si sûr! Avec IndexMed Relevons ce challenge! Origine du consortium L état des lieux (source : séminaire Allenvie, séminaire Indexmed1)
Plus en détailOptimiser ses graphiques avec R
Optimiser ses graphiques avec R Jérôme Sueur MNHN Systématique et Evolution UMR CNRS 7205 OSEB sueur@mnhn.fr 28 Avril 2011 1 Typologie 2 Base 3 ggplot2 4 Références Outline 1 Typologie 2 Base 3 ggplot2
Plus en détailIndexmed : Le big data en écologie? Pas encore disent certains. Pas si sûr! Avec IndexMed. Relevons ce challenge!
Indexmed : Le big data en écologie? Pas encore disent certains Pas si sûr! Avec IndexMed Relevons ce challenge! Origine du consortium L état des lieux (source : séminaire Allenvie, séminaire Indexmed1)
Plus en détailCréation de fonds de cartes statiques et dynamiques avec R et Google Maps
Création de fonds de cartes statiques et dynamiques avec R et Google Maps Jérôme SUEUR MNHN UMR CNRS 7205 - OSEB Mardi 7 février 2012 Plan Pourquoi faire? Cartes statiques RgoogleMaps dismo Cartes dynamiques
Plus en détailISFA 2 année 2002-2003. Les questions sont en grande partie indépendantes. Merci d utiliser l espace imparti pour vos réponses.
On considère la matrice de données : ISFA 2 année 22-23 Les questions sont en grande partie indépendantes Merci d utiliser l espace imparti pour vos réponses > ele JCVGE FM1 GM JCRB FM2 JMLP Paris 61 29
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 détailAvant-après, amont-aval : les couples de tableaux totalement appariés
ADE-4 Avant-après, amont-aval : les couples de tableaux totalement appariés Résumé La fiche décrit les méthodes d analyse des couples de tableaux complètement appariés (mêmes individus, mêmes variables).
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 détailAnalyse des correspondances avec colonne de référence
ADE-4 Analyse des correspondances avec colonne de référence Résumé Quand une table de contingence contient une colonne de poids très élevé, cette colonne peut servir de point de référence. La distribution
Plus en détailL ANALYSE EN COMPOSANTES PRINCIPALES (A.C.P.) Pierre-Louis GONZALEZ
L ANALYSE EN COMPOSANTES PRINCIPALES (A.C.P.) Pierre-Louis GONZALEZ INTRODUCTION Données : n individus observés sur p variables quantitatives. L A.C.P. permet d eplorer les liaisons entre variables et
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 détailModélisation multi-agents - Agents réactifs
Modélisation multi-agents - Agents réactifs Syma cursus CSI / SCIA Julien Saunier - julien.saunier@ifsttar.fr Sources www-lih.univlehavre.fr/~olivier/enseignement/masterrecherche/cours/ support/algofourmis.pdf
Plus en détailAnalyses multivariées avec R Commander (via le package FactoMineR) Qu est ce que R? Introduction à R Qu est ce que R?
Analyses multivariées avec R Commander Analyses multivariées avec R Commander (via le package FactoMineR) Plate-forme de Support en Méthodologie et Calcul Statistique (SMCS) - UCL 1 Introduction à R 2
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 détailAnalyse en Composantes Principales
Analyse en Composantes Principales Anne B Dufour Octobre 2013 Anne B Dufour () Analyse en Composantes Principales Octobre 2013 1 / 36 Introduction Introduction Soit X un tableau contenant p variables mesurées
Plus en détailLa classification automatique de données quantitatives
La classification automatique de données quantitatives 1 Introduction Parmi les méthodes de statistique exploratoire multidimensionnelle, dont l objectif est d extraire d une masse de données des informations
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 détailUNIVERSITE D ANTANANARIVO FACULTE DES SCIENCES DEPARTEMENT DE BIOLOGIE ET ECOLOGIE VEGETALES
UNIVERSITE D ANTANANARIVO FACULTE DES SCIENCES DEPARTEMENT DE BIOLOGIE ET ECOLOGIE VEGETALES Mémoire pour l obtention de Diplôme d Etudes Approfondies (D.E.A.) en Biologie et Ecologie Végétales Option
Plus en détailObjectif. Cette formation doit permettre au client d être autonome dans la création de ses rapports avancés en utilisant la fonctionnalité Excel +.
Excel + Objectif Cette formation doit permettre au client d être autonome dans la création de ses rapports avancés en utilisant la fonctionnalité Excel +. 2 Ordre du jour 1. Présentation générale d Excel
Plus en détailExercices types Algorithmique et simulation numérique Oral Mathématiques et algorithmique Banque PT
Exercices types Algorithmique et simulation numérique Oral Mathématiques et algorithmique Banque PT Ces exercices portent sur les items 2, 3 et 5 du programme d informatique des classes préparatoires,
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 détailSTAGE IREM 0- Premiers pas en Python
Université de Bordeaux 16-18 Février 2014/2015 STAGE IREM 0- Premiers pas en Python IREM de Bordeaux Affectation et expressions Le langage python permet tout d abord de faire des calculs. On peut évaluer
Plus en détailSAS de base : gestion des données et procédures élémentaires
1 SAS de base : gestion des données et procédures élémentaires SAS de base : gestion des données et procédures élémentaires Résumé Description des commandes (module SAS de base) les plus utiles de l étape
Plus en détailMaster de Bioinformatique et Biologie des Systèmes Toulouse http://m2pbioinfo.biotoul.fr Responsable : Pr. Gwennaele Fichant
Master de Bioinformatique et Biologie des Systèmes Toulouse http://m2pbioinfo.biotoul.fr Responsable : Pr. Gwennaele Fichant Parcours: Master 1 : Bioinformatique et biologie des Systèmes dans le Master
Plus en détailJournée SITG, Genève 15 octobre 2013. Nicolas Lachance-Bernard M.ATDR Doctorant, Laboratoire de systèmes d information géographique
Monitorint spatio-temporel intégré de la mobilité urbaine Monitoring spatio-temporel de l ADN urbain Une réponse aux défis, problèmes, enjeux et risques des milieux urbains Nicolas Lachance-Bernard M.ATDR
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 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 détailIngénierie Dirigée par les Modèles. Editeurs de modèles. (Eclipse Modeling Tools) Jean-Philippe Babau
labsticc.univ-brest.fr/pages_perso/babau/ Ingénierie Dirigée par les Modèles Editeurs de modèles (Eclipse Modeling Tools) Jean-Philippe Babau Département Informatique, UFR Sciences, Laboratoire Lab-STICC
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 détailStatistique Descriptive Multidimensionnelle. (pour les nuls)
Publications de l Institut de Mathématiques de Toulouse Statistique Descriptive Multidimensionnelle (pour les nuls) (version de mai 2010) Alain Baccini Institut de Mathématiques de Toulouse UMR CNRS 5219
Plus en détailPlan du cours 2014-2015. Cours théoriques. 29 septembre 2014
numériques et Institut d Astrophysique et de Géophysique (Bât. B5c) Bureau 0/13 email:.@ulg.ac.be Tél.: 04-3669771 29 septembre 2014 Plan du cours 2014-2015 Cours théoriques 16-09-2014 numériques pour
Plus en détaile-biogenouest CNRS UMR 6074 IRISA-INRIA / Plateforme de Bioinformatique GenOuest yvan.le_bras@irisa.fr Programme fédérateur Biogenouest co-financé
e-biogenouest Coordinateur : Olivier Collin Animateur : Yvan Le Bras CNRS UMR 6074 IRISA-INRIA / Plateforme de Bioinformatique GenOuest yvan.le_bras@irisa.fr Programme fédérateur Biogenouest co-financé
Plus en détailExercice 6 Associer chaque expression de gauche à sa forme réduite (à droite) :
Eercice a Développer les epressions suivantes : A-(-) - + B-0(3 ²+3-0) -0 3²+-0 3+00 B -30²-30+00 C-3(-) -3 + 3-3²+6 D-(-) + ² Eerciceb Parmi les epressions suivantes, lesquelles sont sous forme réduite?
Plus en détailMOHAMAD Rihab 4 rue de la Bergeonnerie 37300 Joué-Lès-Tours, FRANCE 33 (0)6 20 85 90 65 dib305@hotmail.com
MOHAMAD Rihab 4 rue de la Bergeonnerie 37300 Joué-Lès-Tours, FRANCE 33 (0)6 20 85 90 65 dib305@hotmail.com (31 ans) Statut civil : mariée avec 2 enfants SITUATION ACTUELLE 2008-2012 Doctorat : Etude de
Plus en détailESIEA PARIS 2011-2012
ESIEA PARIS 2011-2012 Examen MAT 5201 DATA MINING Mardi 08 Novembre 2011 Première Partie : 15 minutes (7 points) Enseignant responsable : Frédéric Bertrand Remarque importante : les questions de ce questionnaire
Plus en détailMINISTERE DE L ENSEIGNEMENT SUPERIEUR ET DE LA RECHERCHE SCIENTIFIQUE UNIVERSITE ABDELHAMID IBN BADIS MOSTAGANEM TUNISIE MAROC ALGERIE
TUNISIE MINISTERE DE L ENSEIGNEMENT SUPERIEUR ET DE LA RECHERCHE SCIENTIFIQUE UNIVERSITE ABDELHAMID IBN BADIS MOSTAGANEM MAROC ALGERIE FACULTES Sciences Economiques, Commerciales et de Gestion Sciences
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 détailLa corrélation entre deux matrices de distances euclidiennes
Fiche thématique 6.1 La corrélation entre deux matrices de distances euclidiennes Résumé La fiche décrit deux stratégies pour étudier la corrélation entre deux matrices de distances. La première est toujours
Plus en détailHistorique. Architecture. Contribution. Conclusion. Définitions et buts La veille stratégique Le multidimensionnel Les classifications
L intelligence économique outil stratégique pour l entreprise Professeur Bernard DOUSSET dousset@irit.fr http://atlas.irit.fr Institut de Recherche en Informatique de Toulouse (IRIT) Equipe Systèmes d
Plus en détail1 Complément sur la projection du nuage des individus
TP 0 : Analyse en composantes principales (II) Le but de ce TP est d approfondir nos connaissances concernant l analyse en composantes principales (ACP). Pour cela, on reprend les notations du précédent
Plus en détailALGORITHME GENETIQUE ET MODELE DE SIMULATION POUR L'ORDONNANCEMENT D'UN ATELIER DISCONTINU DE CHIMIE
ALGORITHME GENETIQUE ET MODELE DE SIMULATION POUR L'ORDONNANCEMENT D'UN ATELIER DISCONTINU DE CHIMIE P. Baudet, C. Azzaro-Pantel, S. Domenech et L. Pibouleau Laboratoire de Génie Chimique - URA 192 du
Plus en détailAnalyse discriminante et régression logistique: application au cas de l innovation pour les entreprises du Canton du Tessin
Analyse discriminante et régression logistique: application au cas de l innovation pour les entreprises du Canton du Tessin Sandro Petrillo Université de Neuchâtel - Diplôme Postgrade en Statistique Projet
Plus en détailTerrOïko : JEU en collaboration avec la SEEM
TerrOïko : JEU en collaboration avec la SEEM Journée EcoInnovation et Biodiversité 21 mai 2014 - Contact: Catherine de Roincé, catherine.deroince@terroiko.fr Historique d une start-up issue de la recherche
Plus en détailDistribution Uniforme Probabilité de Laplace Dénombrements Les Paris. Chapitre 2 Le calcul des probabilités
Chapitre 2 Le calcul des probabilités Equiprobabilité et Distribution Uniforme Deux événements A et B sont dits équiprobables si P(A) = P(B) Si il y a équiprobabilité sur Ω, cad si tous les événements
Plus en détailJean-Nicolas Piotrowski, Dirigeant Fondateur d ITrust
Jean-Nicolas Piotrowski, Dirigeant Fondateur d ITrust Ancien Responsable sécurité salle de marchés BNP, CISSP, Lead Auditor 27001, Ingénieur Télécom Toulouse, Expert sécurité intervenant à l'assemblée
Plus en détailCroissance et vieillissement cellulaires Docteur COSSON Pierre Nb réponses = 81 sur 87. Résultats des questions prédéfinies
Docteur COSSON Pierre Nb réponses = 8 sur 87 A00 8/87 Indicateurs globaux Index global m.= m.=,9 s.=0,. Evaluation générale de cette unité m.=. Sciences médicales de base m.=,. Compétences cliniques m.=,7.
Plus en détailAnalyse des durées de vie avec le logiciel R
Analyse des durées de vie avec le logiciel R Ségolen Geffray Des outils ainsi que des données pour l analyse des durées de vie sont disponibles dans les packages survival MASS Il est nécessaire de charger
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 détailMANIPULATION ET VISUALISATION DE GROSSES BASES DE DONNÉES AVEC R
MANIPULATION ET VISUALISATION DE GROSSES BASES DE DONNÉES AVEC R Jeudi 10 octobre 2013 CHAIGNEAU Alicia GAZAN Rozenn DAUFOUY Camille JOURDAN Sandra Introduction 2 Evolution des outils de collecte Big data
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 détailExo7. Calculs de déterminants. Fiche corrigée par Arnaud Bodin. Exercice 1 Calculer les déterminants des matrices suivantes : Exercice 2.
Eo7 Calculs de déterminants Fiche corrigée par Arnaud Bodin Eercice Calculer les déterminants des matrices suivantes : Correction Vidéo ( ) 0 6 7 3 4 5 8 4 5 6 0 3 4 5 5 6 7 0 3 5 4 3 0 3 0 0 3 0 0 0 3
Plus en détailCours d Analyse. Fonctions de plusieurs variables
Cours d Analyse Fonctions de plusieurs variables Licence 1ère année 2007/2008 Nicolas Prioux Université de Marne-la-Vallée Table des matières 1 Notions de géométrie dans l espace et fonctions à deux variables........
Plus en détailVérification audiovisuelle de l identité
Vérification audiovisuelle de l identité Rémi Landais, Hervé Bredin, Leila Zouari, et Gérard Chollet École Nationale Supérieure des Télécommunications, Département Traitement du Signal et des Images, Laboratoire
Plus en détailATELIER IMAGEJ. Différentes applications vous sont proposées pour apprendre à utiliser quelques fonctions d ImageJ :
Différentes applications vous sont proposées pour apprendre à utiliser quelques fonctions d ImageJ : 1. ANALYSE QUANTITATIVE D UN GEL D ELECTROPHORESE... 2 2. NUMERATION DE COLONIES BACTERIENNES SUR UNE
Plus en détailImputation du salaire d ego dans TeO
Imputation du salaire d ego dans TeO Objet de la note : linéariser la réponse en tranche du salaire, et imputer le salaire en cas de non réponse Champ et principe de la méthode Les individus qui se sont
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 détailACP Voitures 1- Méthode
acp=princomp(voit,cor=t) ACP Voitures 1- Méthode Call: princomp(x = voit, cor = T) Standard deviations: Comp.1 Comp.2 Comp.3 Comp.4 Comp.5 Comp.6 2.1577815 0.9566721 0.4903373 0.3204833 0.2542759 0.1447788
Plus en détailSéquence 6. Mais ces espèces pour autant ne sont pas identiques et parfois d ailleurs ne se ressemblent pas vraiment.
Sommaire Séquence 6 Nous avons vu dans les séances précédentes qu au cours des temps géologiques des espèces différentes se sont succédé, leur apparition et leur disparition étant le résultat de modifications
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 détailFonctions de deux variables. Mai 2011
Fonctions de deux variables Dédou Mai 2011 D une à deux variables Les fonctions modèlisent de l information dépendant d un paramètre. On a aussi besoin de modéliser de l information dépendant de plusieurs
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 détailEtude des propriétés empiriques du lasso par simulations
Etude des propriétés empiriques du lasso par simulations L objectif de ce TP est d étudier les propriétés empiriques du LASSO et de ses variantes à partir de données simulées. Un deuxième objectif est
Plus en détailFondation GoodPlanet Programme Action Carbone. Présentation des projets de compensation carbone
Fondation GoodPlanet Programme Action Carbone Présentation des projets de compensation carbone Fondation GoodPlanet Mettre l écologie au cœur des consciences Fondée en juillet 2005 par Yann Arthus-Bertrand
Plus en détailIntroduction au datamining
Introduction au datamining Patrick Naïm janvier 2005 Définition Définition Historique Mot utilisé au départ par les statisticiens Le mot indiquait une utilisation intensive des données conduisant à des
Plus en détailBig data et sciences du Vivant L'exemple du séquençage haut débit
Big data et sciences du Vivant L'exemple du séquençage haut débit C. Gaspin, C. Hoede, C. Klopp, D. Laborie, J. Mariette, C. Noirot, MS. Trotard bioinfo@genopole.toulouse.inra.fr INRA - MIAT - Plate-forme
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 détailArchitecture de réseau de senseurs : monitoring environnemental et écosystèmes forestiers
Architecture de réseau de senseurs : monitoring environnemental et écosystèmes forestiers Présenté par : Ahmed Lakhssassi, Membres du GRMS : Marek Zaremba, Wojtek Bock et Larbi Talbi Département Informatique
Plus en détail5. Matériaux en contact avec l eau
Monitoring de la qualité Microbiologique de l eau potable dans les réseaux de distributions Intérêt de l utilisation d un kit de mesure rapide de la flore totale UTLISATIONS 1. Surveillance de Réseau mixte
Plus en détail:SPECIMEN SPECIMEN SUPPLÉMENT AU DIPLÔME (ANNEXE DESCRIPTIVE AU DIPLÔME)
########### : La présente annexe descriptive au diplôme (supplément au Université de La Rochelle diplôme) suit le modèle élaboré par la Commission européenne, le Conseil de l Europe et l UNESCO/CEPES.
Plus en détailNOS SAVOIRS FAIRE. Bureau d étude Décoration, informatique et électronique. Production Atelier bois/métal/peinture, informatique, vidéo et infographie
NOS SAVOIRS FAIRE Bureau d étude Décoration, informatique et électronique Production Atelier bois/métal/peinture, informatique, vidéo et infographie SAV Contrat de gestion de contenu et de maintenance
Plus en détailListe des notes techniques... xxi Liste des encadrés... xxiii Préface à l édition internationale... xxv Préface à l édition francophone...
Liste des notes techniques.................... xxi Liste des encadrés....................... xxiii Préface à l édition internationale.................. xxv Préface à l édition francophone..................
Plus en détailEtude d un cas industriel : Optimisation de la modélisation de paramètre de production
Revue des Sciences et de la Technologie RST- Volume 4 N 1 /janvier 2013 Etude d un cas industriel : Optimisation de la modélisation de paramètre de production A.F. Bernate Lara 1, F. Entzmann 2, F. Yalaoui
Plus en détailCHAPITRE VI : HYBRIDATION GEOMETRIE DES MOLECULES
CAPITRE VI : YBRIDATION GEOMETRIE DES MOLECULES VI.1 : YBRIDATION DES ORBITALES ATOMIQUES. VI.1.1 : Introduction. La théorie d hybridation a été développée au cours des années 1930, notamment par le chimiste
Plus en détailCM2B Ste Marthe NOMBRES CROISES
CMB Ste Marthe NOMBRES CROISES Règles Les nombres croisés sont des grilles à remplir en suivant les instructions. Les consignes ne sont données que pour les nombres à plus de deux chiffres. Si plusieurs
Plus en détailCycle de formation certifiante Sphinx
Cycle de formation certifiante Sphinx 28, 29, 30 Mai 2015 Initiation, Approfondissement et Maîtrise Etudes qualitatives / quantitatives Initiation, approfondissement et maîtrise des études qualitatives
Plus en détailIntroduction à l'analyse multivariée (factorielle) sous R. Stéphane CHAMPELY
Introduction à l'analyse multivariée (factorielle) sous R Stéphane CHAMPELY 7 septembre 2005 2 Table des matières 1 Introduction 5 1.1 Les données multivariées....................... 5 1.2 L'approche factorielle
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 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 détailProtocoles pour le suivi des pontes de tortues marines dans le cadre de Protomac. Professeur Marc Girondot
Muséum National d'histoire Naturelle de Paris Département de Systématique et Evolution Laboratoire des Reptiles et Amphibiens 25 rue Cuvier 75005 Paris & Laboratoire Ecologie, Systématique et Evolution
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 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 détailReprésentation d un entier en base b
Représentation d un entier en base b 13 octobre 2012 1 Prérequis Les bases de la programmation en langage sont supposées avoir été travaillées L écriture en base b d un entier est ainsi défini à partir
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 détailTRAVAUX DE RECHERCHE DANS LE
TRAVAUX DE RECHERCHE DANS LE DOMAINE DE L'EXPLOITATION DES DONNÉES ET DES DOCUMENTS 1 Journée technologique " Solutions de maintenance prévisionnelle adaptées à la production Josiane Mothe, FREMIT, IRIT
Plus en détailMesures Agro-Environnementales
02 Mesures Agro-Environnementales LES DISPOSITIFS MAE Dispositif A C est le dispositif national de la Prime Herbagère Agro-Environnementale (PHAE 2). Dispositif B : C est le dispositif de la Mesure Agro
Plus en détailNouvelles propositions pour la résolution exacte du sac à dos multi-objectif unidimensionnel en variables binaires
Nouvelles propositions pour la résolution exacte du sac à dos multi-objectif unidimensionnel en variables binaires Julien Jorge julien.jorge@univ-nantes.fr Laboratoire d Informatique de Nantes Atlantique,
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 détailL export de SAS vers Excel expliqué à ma fille
L export de SAS vers Excel expliqué à ma fille SAS est un logiciel merveilleux, mais tous n y ont pas accès. Pour contenter la soif de données de vos collègues qui n auraient pas d autre outil à disposition,
Plus en détailExercices Corrigés Premières notions sur les espaces vectoriels
Exercices Corrigés Premières notions sur les espaces vectoriels Exercice 1 On considére le sous-espace vectoriel F de R formé des solutions du système suivant : x1 x 2 x 3 + 2x = 0 E 1 x 1 + 2x 2 + x 3
Plus en détailDéroulement. Evaluation. Préambule. Définition. Définition. Algorithmes et structures de données 28/09/2009
Déroulement Algorithmes et structures de données Cours 1 et 2 Patrick Reuter http://www.labri.fr/~preuter/asd2009 CM mercredi de 8h00 à 9h00 (Amphi Bât. E, 3 ème étage) ED - Groupe 3 : mercredi, 10h30
Plus en détailPolynômes à plusieurs variables. Résultant
Polynômes à plusieurs variables. Résultant Christophe Ritzenthaler 1 Relations coefficients-racines. Polynômes symétriques Issu de [MS] et de [Goz]. Soit A un anneau intègre. Définition 1.1. Soit a A \
Plus en détailLicence ST Université Claude Bernard Lyon I LIF1 : Algorithmique et Programmation C Bases du langage C 1 Conclusion de la dernière fois Introduction de l algorithmique générale pour permettre de traiter
Plus en détailFiche TD avec le logiciel. Courbes de niveau. D. Chessel
Fiche TD avec le logiciel : tdr Courbes de niveau D. Chessel Comment représenter la variation d une mesure spatialisée? On utilise pour les illustrations une carte météorologique. Table des matières Introduction
Plus en détailFONDEMENTS MATHÉMATIQUES 12 E ANNÉE. Mathématiques financières
FONDEMENTS MATHÉMATIQUES 12 E ANNÉE Mathématiques financières A1. Résoudre des problèmes comportant des intérêts composés dans la prise de décisions financières. [C, L, RP, T, V] Résultat d apprentissage
Plus en détail