Projet d'étude
Mer
3 juillet 2021
Pour notre projet final, nous travaillerons sur un jeu de données qui contient des
informations relatives à une expérience dans le but d'étudier l'effet du stress sur la
mémorisation. Alors pour cette expérience, nous disposons de deux échantillons issus de la
populaion mère dont un échantillon témoins n'ayant pas subit de stress contre un autre
échantillon soumis au stress. Dans la deuxième étape, une série de trois(3) mots simples est
communiquée à chaque individus de ces deux(2) échantillons sans discrimination afin qu'ils
les repètent puis on note leurs temps de réaction et la précision de leur réponses. Cette
expérience a pour but d'étudier l'effet du stress sur la tâche mémoire.
source de notre tableau: il est issu de l'expérience d'une étude menée
par des étudiants du en neuro psychologie de
l'université de Bordeau dans le cadre
de leurs recherches
Objet d'etude : Le stress a t-il un effet sur le délai de réaction et sur la précision de la
mémoire dans l'accomplissement d'une tache?
Rappelons la description de nos variables:
• la variable Participant correspond au numéro d'ordre de chaque participant
• la variable [Link] correspond à la condition du stress c'est à dire selon l'individu a
été soumis au stress ou pas, cette variable étant binaire, alors elle a été codée en 0 et 1
respectivement pour un participant n'ayant pas subi de stress et à l'inverse pour un
participant l'ayant subi
• la variable serie_de_mots correspond à la série de trois mots communiqués a chaque
participant de l'expérience
• la variable tps_reaction correspond au temps de réaction que met un individu pour
répeter la série des trois mots
• la variable precision en pourcentage (%) correspond au pourcentage (%) de réponses
correctes ou encore au % de la précision de la réponse de chaque participant après
répétition de la série des trois mots
Notre travail consistera à décrire simplement notre tableau contenant les informations
relatives à cette expérience afin de répondre à la question posée dans l'objet de notre étude.
Il s'agira donc pour nous de dire sur la base de notre analyse si:
Le stress a un effet ou pas sur le délai de réaction et sur la précision du mémoire dans
l'accomplissement d'une tâche mémoire
La base de données de notre étude se trouve dejà en local sur le disque dur de notre
ordinateur donc nous pouvons l'importer pour l'analyse. Bien avant cela, nous chargeons
certains packages necessaires à la réalisation de notre projet avec la commande
library(nom_du_package)
library(rio) # il nous permettra d'importer le fichier dans R
library(ggplot2) # ce package servira pour les représentations graphiques
Une fois les packages nous pouvons maintenant importer notre base de données en
fournissant bien-sûr son chemin à la fonction de lecture import() du package rio cependant
notre fichier se trouve dans le répertoire courant de R alors on écrit simplement son nom
suivi de son extension entre griffe(""), il s'agit un fichier excel dont nous stockons dans un
[Link] sous le nom << projet>> dans R.
Par ailleurs pour plus de commodité, une astuce consiste à utiliser la fonction de base
[Link]() à lintérieur d'une fonction de lecture (import du package rio, read_xl, [Link],
[Link]...), cette fonction [Link]() au sein d'une fonction de lecture permettra
d'importer un fichier dans R de façon intéractive sans avoir à retenir l'emplacement exact
du fichier ou l'orthographe exact du nom de notre fichier ou encore moins à changer de
répertoire à chaque que nous devons importer un fichier dans R. Ainsi nous utiliseront cette
technique donc nous ne fourniront pas explicitement le chemin complet ou relatif de notre
base de donnnées dans ce projet.
projet <- import([Link]()) # importation interactive du fichier
Nous affichons les dix premières lignes de notre tableau juste pour voir à quoi il ressemble,
ceci est une bonne pratique avant toute analyse afin de s'assurer de sa conformité.
head(projet, 10)
## Participant [Link] serie_de_mots tps_reaction precision
## 1 1 0 3_mots 5377.889 100.0
## 2 2 1 3_mots 3919.000 77.8
## 3 3 0 3_mots 8398.333 100.0
## 4 4 1 3_mots 3953.889 100.0
## 5 5 0 3_mots 2810.556 88.9
## 6 6 1 3_mots 5804.778 100.0
## 7 7 0 3_mots 3956.889 100.0
## 8 8 1 3_mots 4773.444 44.4
## 9 9 0 3_mots 4002.111 100.0
## 10 10 1 3_mots 3454.444 100.0
Le tableau semble conforme à la description de nos variables, donc nous passons à l'étape
de prétraitement de notre tableau, nous affichons d'abord la structure de notre base de
données pour vérifier qu'elle est bien cohérente.
str(projet)
## '[Link]': 89 obs. of 5 variables:
## $ Participant : num 1 2 3 4 5 6 7 8 9 10 ...
## $ [Link] : num 0 1 0 1 0 1 0 1 0 1 ...
## $ serie_de_mots: chr "3_mots" "3_mots" "3_mots" "3_mots" ...
## $ tps_reaction : num 5378 3919 8398 3954 2811 ...
## $ precision : num 100 77.8 100 100 88.9 100 100 44.4 100 100 ...
Comme nous le voyons dans le résulat ci dessus , nous avons une base de données de 89
observations et 5 variables soient 89 lignes et 5 colonnes. Nous pouvons également voir les
variables mentionnées dans notre description de variables et remarquer qu'elles sont
toutes du type numéric à l'exception de la vraiable serie_de_mots est qui est du type
caractère.
On note aussi que notre variable [Link] est du type numeric mais puisse qu'il s'agit
d'une variable binaire c'est à dire à 2 modalités donc nous convertissons cette variable en
facteur ce qui correspond à une variable catégorielle en statistique. Pour ce faire, nous nous
servons de la commande [Link]() puis par mesure de prudence, nous vérifions à nouveau
la structure de notre base de données afin de vérifier que la convertion a été bien effectuée.
projet$[Link] <- [Link](projet$[Link])
str(projet)
## '[Link]': 89 obs. of 5 variables:
## $ Participant : num 1 2 3 4 5 6 7 8 9 10 ...
## $ [Link] : Factor w/ 2 levels "0","1": 1 2 1 2 1 2 1 2 1 2 ...
## $ serie_de_mots: chr "3_mots" "3_mots" "3_mots" "3_mots" ...
## $ tps_reaction : num 5378 3919 8398 3954 2811 ...
## $ precision : num 100 77.8 100 100 88.9 100 100 44.4 100 100 ...
Maintenant que cette correction est faite, nous vérifions simultanement s'il y'a des valeurs
manquantes dans notre tableau et si oui combien y'en a t-il.
sum([Link](projet))
## [1] 0
Il ressort de l'exécution de la commande précédente qu'il n'y a aucune valeur manquante
dans notre tableau. Ceci signifie que nous pouvons aisément utiliser les fonctions sensibles
aux valeurs manquantes ainsi que l'opérateur << [ ] >> qui génère des erreurs silencieuses
pendant les opérations de filtrage.
Après cette étape de prétraitement, nous passons à l'analyse de notre tableau.
Partie 1: Analyse descriptive globale
1) Résumé numérique de notre tableau
summary(projet)
## Participant [Link] serie_de_mots tps_reaction precision
## Min. : 1 0:45 Length:89 Min. :2035 Min. : 44.40
## 1st Qu.:23 1:44 Class :character 1st Qu.:3717 1st Qu.: 77.80
## Median :45 Mode :character Median :4383 Median : 88.90
## Mean :45 Mean :4547 Mean : 89.02
## 3rd Qu.:67 3rd Qu.:5308 3rd Qu.:100.00
## Max. :89 Max. :8398 Max. :100.00
Ce résumé affiche différentes statistiques selon la nature de la variable, on en a six (6) pour
les variables numériques ou variables quantitatives et très peu de statistiques pour les
autres types.
La variable Participant sera ignorée dans notre description car elle n'est pas pertinente et
sert juste à identifier les individus.
Dans le sommaire numérique ci-dessus, on constate que:
concernant la variable catégorielle [Link] nous pouvons voir le tri à plat qui indique
que 45 individus n'ont pas subi de stress contre 44 l'ayant subi sur un total de 89
participants
POur la variable serie_de _mots de type caractère, il n'y a pas grande chose à dire à part que
nous avons une variable caractère contenant au total 89 mots.
Et enfin, à propos des variables quantitatives, dans l'ordre nous avons le minimum, le 1er
quartile, la médiane, la moyenne, le 3e quartile et le maximum des variables precision et
tps_reaction de la population totale de chacune de ces variables en question.
2) Représentation des histogrammes de nos deux variables quantitatives
Histogramme de la variable tps_reaction (temps de réaction)
hist(projet$tps_reaction, xlab = "Temps de réaction en milliseconde (ms)",
ylab = "effectif", col = "blue",
main = "Histogramme du temps de réaction des participants ")
De cet histogramme, nous pouvons simplement dire que la distribution de la variable
tps_reaction est un peu plus étalée à gauche.
Histogramme de la variable precision (poucentage de réponses correctes)
hist(projet$precision, xlab = "Précision de réponses correctes en %", ylab =
"effectif", col = "blue",
main = "Histogramme de la précision des réponses correctes ")
Nous avons une répartition très disparatre de la variable précision qui contrairement à la
distribution de la variable tps_reaction est plus étalée vers la droite.
3) Exploration de notre jeu de données
Dans notre synthèse numérique, nous pouvons par exemple voir les valeurs minimales et
maximales des variables quantitatives telles que tps_reaction et precision. Cependant, nous
ignorons les participants qui détiennent ces valeurs.
Est-ce un individu préablement soumis au stress?
Quelques questions auquelles nous répondrons à travers des filtres pour mieux
comprendre notre jeu de données dans son ensemble.
Découvrons ensemble les individus qui détiennent le plus petit temps de réaction pour
répeter la série de trois mots
projet[projet$tps_reaction == min(projet$tps_reaction), ]
## Participant [Link] serie_de_mots tps_reaction precision
## 65 65 0 3_mots 2035.111 100
Alors il s'agit du partipant 65, ce partipant détient le plus temps de réaction, en on peut voir
que cet individu n'a pas subit de stress au stress et a également répéter la série de trois
mots avec une précision se 100 %.
Quel est le participant qui a le plus faible pourcentage de réponses correctes ou encore
l'individu le moins précis dans ses réponses en répétant les mots?
projet[projet$precision == min(projet$precision), ]
## Participant [Link] serie_de_mots tps_reaction precision
## 8 8 1 3_mots 4773.444 44.4
On découvre que l'individu a le pourcentage de précision le plus faible, comme on peut le
voir, il a été soumis au stress bien de répéter la série de trois mots.
Cette exploration nous a permis de voir que le participant N°8 qui a le plus faible
pourcentage de réponses correctes a été soumis par contre l'individu N°65 qui a le plus
petit temps de réaction appartient à la catégorie des participant n'aynat pas subi de stress.
On pourrait supposer que le stress affectte le comportement des individu.
Etant donné que notre jeu de données contient des renseignements relatifs à une
expérience concernant l'étude de l'effet du stress la tâche mémoire qui d'ailleurs implique
une population témoins et une population cobaye qui sont toutes les deux issues de la
population totale de l'expérience, alors nous pensons que ce resumé n'est pas pertinent
pour une comparaison entre ces deux sous populations afin de dégager un eventuel effet.
Compte tenu de cette insuffisance, nous poussons un peu loin notre analyse à travers une
analyse comparative des échantillons.
Partie 2: Analyse comparative
I- Analyse de l'effet du stress sur le temps de réaction de la mémoire
A- Analyse comparative graphique
Nous commençons par afficher le boxplot de nos variables quantitatives par rapport à
chaque catégorie de la variable [Link] afin d'en savoir un peu plus sur la distribution
de ces variables au sein des participants stressés et non stressés.
ggplot(projet, aes(x = [Link], y = tps_reaction)) + geom_boxplot() +
theme_bw() + xlab("Condition de stress") + ylab("temps de réaction en
milliseconde (ms)")
Le graphique ci-dessus appelé boxplot ou la boite à moustache nous fournit des
informations pertinentes telles que les valeurs extrèmes, le minimun, la médiane, le 1er
quartile, le 3e quartile et par ricrochet l'intervalle interquartile tout comme le résumé
global avec la commande de base summary() qui donne des statistiques mais sa
particularité est qu'il nous permet également de comparer directemnt ces statistiques au
niveau des échantillons considérés.
Ici nous nous intéressons principalement à la médiane c'est à dire le segment horizontal en
gras sur la figure. Et dans notre cas, la médiane de temps réaction des personnes ayant subi
de stress est au supérieure à celle des personnes témoins en d'autre termes, nous pouvons
dire les participants ayant subi le stress mettent en général un peu plus de temps à répeter
la série des trois mots que les participants n'ayant pas subi de stress.
On note également que les individus stressés ont un minimum de pourcentage de réponses
correctes plus élévé que celui des participants témoins.
Conclusion partielle:
Le boxplot précédent traduit qu'en général le stress a un effet sur la précision de la
mémoire des individus soumis au stress dans l'accomplissement d'une tâche mémoire
B- Analyse comparative numérique
Nous pouvons affiner ces valeurs comparées pour plus pécisions.
1) Comparaison des médianes
tapply(projet$tps_reaction, projet$[Link], median)
## 0 1
## 4226.444 4470.944
0 correspondant à individus non stressés et 1 à participants stressés, le calcul montre bien
une médiane de temps réaction des participants stressés de valeur 4470, 944 ms
supérieure à celle l'autre échantillon valant 442, 444 ms.
2) Comparaison des moyennes
tapply(projet$tps_reaction, projet$[Link], mean)
## 0 1
## 4411.975 4684.179
on observe la même chose pour les moyennes, la moyenne de temps de réaction des
personnes stressées (4684,179 ms) est supérieure des individus non stressés (4411,975
ms)
3) Comparaison des minimums
tapply(projet$tps_reaction, projet$[Link], min)
## 0 1
## 2035.111 3020.778
Nous voyons que le minimum de temps de réaction des participants est aussi supérieur au
temps de réaction des personnes non stresses
Conclusion partielle:
Nous pouvons dire qu'en général, les individus stressés répètent plus lentement à la série
des trois mots que ceux n'ayant pas subi de stress alors nous concluons que le stress a un
effet sur le temps réaction de la mémoire dans l'accomplissement d'une tâche assignée la
mémoire.
II- Analyse de l'effet du stress sur la précision de la mémoire
A- Analyse comparative graphique
Nous réalisons la même démarche que précédemment pour mener à bien notre étude, ainsi
nous affichons d'abord le boxplot.
ggplot(projet, aes(x = [Link], y = precision)) + geom_boxplot() +
theme_bw() + xlab("La précision de la mémoire") + ylab("% de réponses
correctes")
Ici également nous nous concentrons sur la médiane. Et dans notre présent cas, la médiane
du pourcentage des réponses des personnes ayant subi de stress est quasiment égal à celle
des personnes témoins en d'autre termes, nous pouvons dire les participants ayant subi le
stress mettent en général sont autant précis dans leurs réponses que ceux n'ayant pas été
stressé dans la répétition de la séries de trois mots
Par contre on peut remarquer les individus stressés ont un minimum de pourcentage de
réponses correctes plus faible que celui des participants témoins.
Conclusion partielle:
Nous retenons que le stress n'affecte pas vraiment la précision de la mémoire des
personnes soumis au stress dans l'accomplissement d'une tâche mémoire.
B- Analyse comparative numérique
Nous calculons ces valeurs pour une comparaison.
1) Comparons les valeurs numériques des médianes des 2 sous populations
tapply(projet$precision, projet$[Link], median)
## 0 1
## 88.9 88.9
Les calculs sont évidents et on voit par le calcul que les médianes de pourcentage de
réponses correctes sont identiques pour les personnes ayant subi le stress que pour les
individus qui n'ont pas subi de stress.
2) Comparaison des moyennes
tapply(projet$precision, projet$[Link], mean)
## 0 1
## 89.88667 88.14091
ici par contre, on note que des participants ayant subi de stress ont une moyenne de
pourcentage de réponse correcte sensiblement inférieure à celle des individus n'ayant pas
subi.
3) Comparaison des minimums
tapply(projet$precision, projet$[Link], min)
## 0 1
## 66.7 44.4
Après les calculs des minimums dans les deux catégories, on constate que le minimum de
pourcentage de réponses correctes des individus stressés est inférieur à celui des
participants n'ayant pas été stressés.
Conclusion partielle:
En nous basant sur la moyenne et surtout sur la médiane, les valeurs quasi identiques de
ces deux statistiques au sein des deux sous populations, nous retenons que les individus
stressés et ceux non stressés ont presque la même précision de réponses correctes quant à
la répétion de la série de trois. Nous pouvons dire que le stress n'impacte pas vraiment la
précision de la mémoire dans l'accomplissement d'une tâche mémoire.
CONCLUSION GENERALE:
Au cours de notre projet statistique, il était question d'étudier l'effet du stress sur les tâches
de la mémoire en particulier le délai de réaction et la précision de la mémoire sous l'effet de
stress. Pour cela, une expérience a été menée sur deux (2) populations issue d'une même
population mère constituée de 89 participants dont un échantillons témoins n'ayant pas
subi de stess et un autre échantion ayant soumis au préable à un stress.
Une analyse dscriptive globale de nos sujets n'étant pas pertinente alors nous avons fait une
analyse un plus spécifique relativement à nos deux échantillons compte tenu du fait que
nous avons deux catégories de participants.
D'une part, ceux ayant subi de stress et d'autre part ceux qui n'en ont pas subis.
Ainsi au terme de notre étude, nous retenons qu'en général, le stress a un effet sur le temps
de réaction de la mémoire des individus accomplissant une tâche mémoire qui ont été
soumis au préable à un stress par contre pour ce qui est de la précision de la mémoire pour
une tâche à effectuer, l'effet du stress est négligeable sur la capacité de la mémoire à être
précise en d'autres termes le stress n'impacte pas vraiment la précision de la mémoire dans
l'accomplissement d'une tâche mémoire.