Scribd
Importer
1 vues3 pages

Code Formation R

Ce document fournit un guide pour installer R et RStudio, ainsi que des instructions pour importer et analyser des données à partir d'un fichier CSV. Il inclut des étapes pour créer une série temporelle, vérifier les types de données, visualiser les données et tester la stationnarité à l'aide de différents tests statistiques. Enfin, il présente des statistiques descriptives et une matrice de corrélation pour les données analysées.

Transféré par

yossefzouari20003
Copyright
© All Rights Reserved
Nous prenons très au sérieux les droits relatifs au contenu. Si vous pensez qu’il s’agit de votre contenu, signalez une atteinte au droit d’auteur ici.
Formats disponibles
Téléchargez aux formats DOCX, PDF, TXT ou lisez en ligne sur Scribd
1 vues3 pages

Code Formation R

Ce document fournit un guide pour installer R et RStudio, ainsi que des instructions pour importer et analyser des données à partir d'un fichier CSV. Il inclut des étapes pour créer une série temporelle, vérifier les types de données, visualiser les données et tester la stationnarité à l'aide de différents tests statistiques. Enfin, il présente des statistiques descriptives et une matrice de corrélation pour les données analysées.

Transféré par

yossefzouari20003
Copyright
© All Rights Reserved
Nous prenons très au sérieux les droits relatifs au contenu. Si vous pensez qu’il s’agit de votre contenu, signalez une atteinte au droit d’auteur ici.
Formats disponibles
Téléchargez aux formats DOCX, PDF, TXT ou lisez en ligne sur Scribd

Installing R and RStudio

Guides:

Download R: [Link]

Download RStudio: [Link]

Explication pédagogique du code (simple et claire)


#1) Importer un fichier CSV
data <- [Link]("bitcoin [Link]")
head(data)
str(data)

#2) Correction – préciser le séparateur


data <- [Link]("bitcoin [Link]", sep = ";")
str(data)

#3) Charger les bibliothèques nécessaires


library(xts)
library(timeDate)
library(timeSeries)

#4) Créer une série temporelle xts


datar <- xts(
data[, -1], # toutes les colonnes sauf la première (Date)
[Link] = [Link](data$Date, format="%d/%m/%Y") # conversion en format
Date
)

#5) Vérifier le type de données


class(datar)

#6) Afficher les premières lignes


head(datar)

#7) Vérifier les valeurs manquantes (NA)


colSums([Link](datar))
#8)Visualiser les données
#Graphique des rendements
plot(datar$Bitcoin)
[Link](datar)

#9) Tester la stationnarité (ADF, PP, KPSS)


library(tseries)
[Link](returns$Bitcoin)
library(tseries)

# 1️ADF test
adf_results <- lapply(datar, [Link])

adf_summary <- sapply(adf_results, function(x) c(

adf_statistic = x$statistic,

p_value = x$[Link],

stationary = ifelse(x$[Link] < 0.05, "Yes", "No")

))

adf_summary

# 2️PP test
pp_results <- lapply(datar, [Link])

pp_summary <- sapply(pp_results, function(x) c(

pp_statistic = x$statistic,

p_value = x$[Link],

stationary = ifelse(x$[Link] < 0.05, "Yes", "No")

))

pp_summary

# 3️PSS test
kpss_results <- lapply(datar, function(x) {

test <- [Link](x, type="mu") # stationnarité autour de la moyenne

stat <- test@teststat

crit <- test@cval[2] # valeur critique approximative pour


p=0.05

stationary <- ifelse(stat < crit, "Yes", "No")


return(c(kpss_statistic = stat, critical_value = crit, stationary =
stationary))

})

kpss_summary

<- [Link](cbind, kpss_results)

#10)Statistiques descriptives et Matrice de


corrélation
library(PerformanceAnalytics) # pour SummaryStatistics

# Si tu veux exclure la première colonne (Date) :

Y <- datar

# Calcul des statistiques descriptives avec corrélation de Pearson

stats_table <- SummaryStatistics(Y, correlation = "pearson")

# Affichage en format joli tableau

kable(stats_table)

Vous aimerez peut-être aussi