T +229 96366462/91910712

k [Link]@[Link]
 [Link]

Introduction au logiciel R
et Analyses statistiques sous R Studio

Z GTI 2021
 Présentation du logiciel R
1

R est un système d’analyse statistique et graphique développé par Ross Ihaka

et Robert Gentleman. Ce logiciel constitue une alternative au logiciel S-PLUS,
même si de nombreuses différence dans la conception existent. Cependant,
de nombreux programmes écrits pour SPLUS sont directement utilisables
sous R.

Un point fort de R réside dans le fait que ce logiciel est distribué librement.
Son installation peut être mise en œuvre à partir du site internet du Compre-
hensive R Archive Network (CRAN) qui d’une part met à disposition les exé-
cutables et d’autres part donne des informations relatives à la procédure
d’installation

Green Tech Innovation | Introduction à R Studio

 Présentation du logiciel R
2

Le logiciel R (disponible sur [Link] est un logiciel de

Statistique libre ayant un certain nombre d’atouts:

â il permet l’utilisation des méthodes statistiques classiques à l’aide de fonc-

tions prédéfinies,

â il permet de créer ses propres programmes dans un langage de program-

mation assez simple d’utilisation,

â il permet d’utiliser des techniques statistiques innovantes et récentes à

l’aide de package développés par les chercheurs et mis à disposition sur le
site du CRAN ([Link]

Green Tech Innovation | Introduction à R Studio

 Présentation de l’environnement de travail
3

Green Tech Innovation | Introduction à R Studio

 Présentation de l’environnement de travail
4

Green Tech Innovation | Introduction à R Studio

 Présentation de l’environnement de travail
5

Green Tech Innovation | Introduction à R Studio

 Présentation de l’environnement de travail
6

Green Tech Innovation | Introduction à R Studio

 Présentation de l’environnement de travail
7

Green Tech Innovation | Introduction à R Studio

 Présentation de l’environnement de travail
8

Green Tech Innovation | Introduction à R Studio

 Présentation de l’interface R studio
9

RStudio
Le logiciel R fonctionne initialement en ligne de commande, mais des inter-
faces permettent une utilisation plus conviviale. Nous proposons ici de tra-
vailler avec l’interface RStudio, téléchargeable sur : [Link]
com/

Green Tech Innovation | Introduction à R Studio

 Présentation de l’interface R studio
10

Green Tech Innovation | Introduction à R Studio

 Présentation de l’interface R studio
11

L’interface RStudio est généralement composée de quatre fenêtres :

1) Fenêtre d’édition (en haut à gauche) :

fichiers contenant les scripts R que l’utilisateur est en train de développer.
Icônes permettent la sauvegarde, l’exécution d’une partie de code sélection-
née (run) ou de l’intégralité du code (source).

2) Fenêtre de commande (en bas à gauche) :

cette fenêtre contient une console dans laquelle les codes R sont saisis pour
être exécutés.

Green Tech Innovation | Introduction à R Studio

 Présentation de l’interface R studio
12

3) Fenêtre espace de travail / historique / Packages : (en haut

à droite)
contient les objets en mémoire, que l’on peut consulter en cliquant sur leur
noms, ainsi que l’historique des commandes exécutées et la fenêtre package
montre les packages installés et actuellement chargés.

4) Fenêtre graphique / aide : (en bas à droite)

la fenêtre d’aide contient la documentation sur les recherches effectuées et
la fenêtre graphique contient les graphes exécutés.

Green Tech Innovation | Introduction à R Studio

 Premières commandes R
13

Green Tech Innovation | Introduction à R Studio

 Premières commandes R
14

Green Tech Innovation | Introduction à R Studio

 Obtenir de l’aide
15

I > help() => ouvre une fenêtre d’aide

I > help (´helpˇ) => aide sur l’aide · · ·
I > help (´lsˇ) => ouvre une fenêtre d’aide avec l’aide sur la fonction
´lsˇ
I > [Link]() => ouvre un site (local) d’aide en HTML
I > ? < func > => aide sur la fonction < func >

Green Tech Innovation | Introduction à R Studio

 Installer un package
16

R utilise un système d’extension, les packages, pour répondre a des besoins

d’analyses spécifiques. Le logiciel R est d’ailleurs lui-même une bibliothèque
appelée "base" contenant un certain nombre d’extensions utiles à son fonc-
tionnement de base.

Une fois installées, les extensions seront alors appelées dans la console avec
la fonction library().

Green Tech Innovation | Introduction à R Studio

 Modes et classes
17

Classe de Variable
Les éléments de base du langage R sont des objets qui peuvent être des
vecteurs, des matrices, des tableaux de données, des séries chronologiques,
des fonctions, des graphiques... Les objets R se différencient par leur mode,
qui décrit leur contenu, et leur classe, qui décrit leur structure.
Les différents modes sont :
I Entier : integer
I Logique (ou booléen) TRUE/FALSE : logical
I Numérique : numeric
I Complexe : complex
I Caractère : character

Green Tech Innovation | Introduction à R Studio

 Modes et classes
18

Classe de Objet
Les principales classes d’objets sont :
I Les vecteurs : vector
I Les matrices : matrix
I Les tableaux : array
I Les listes : list
I Les tableaux de données : [Link]
I Les séries temporelles : [Link]
On peut avoir des vecteurs, matrices, tableaux, séries temporelles de mode
integer, logical, numeric, complex, character, mais les modes doivent être
tous identiques, alors que dans une liste ou un tableau de données les modes
peuvent être hétérogènes (par exemple, on peut avoir une colonne de nom-
bres donnant l’age des individus et une colonne de caractères donnant le sexe
des mêmes individus).

Green Tech Innovation | Introduction à R Studio

 Scalaires, vecteurs et matrices
19

Green Tech Innovation | Introduction à R Studio

 Matrices et array
20

Green Tech Innovation | Introduction à R Studio

 Listes
21

Green Tech Innovation | Introduction à R Studio

 Data Frame
22

L’objet le plus adapté au stockage des jeux de données est le [Link], qui
est un tableau dont :

â les colonnes représentent les variables (chaque colonne pouvant être d’un
type différent), accessibles par le nom de la variable comme pour une liste

â les lignes représentent les individus

Toutes les fonctions d’analyse statistique sous R sont prévues pour travailler
avec des données stockées sous la forme d’un data frame.

Green Tech Innovation | Introduction à R Studio

 Les fonctions
23

R dispose d’un grand nombre de fonctions prédéfinies (outres les fonction

d’analyses statistiques· · · ) :

â exp(), mean(), log() et runif() sont des fonctions.

â Les appels aux fonctions sont indiqués par la présence de parenthéses.

â La plupart des choses utiles sous R sont faites par des fonctions.

Green Tech Innovation | Introduction à R Studio

 Répertoire de travail (working directory)
24

â Répertoire dans lequel on lit (et on écrit) :

> getwd() => get working directory

> setwd (´RHOME/Mydataˇ) => set working directory

â Autre solution: spécifier explicitement le nom du fichier cible· · · .

> Mydata < − [Link] (´c : /fred/[Link]ˇ)

Green Tech Innovation | Introduction à R Studio

 Types de fichiers
25

â En général: ASCII, Excel, SAS, SPSS, SQL · · · :

â Importation des données

I [Link] : lit un data frame à partir d’un fichier.

Arguments:
I header=TRUE si la première ligne correspond aux intitulés des
variables;
I sep = ”” pour indiquer le séparateur de variables dans le fichier;
I dec = ”.”: le point est le séparateur décimal pour les nombres;
I quote = ”0 ” un encapsuleur de chaînes de caractères;
I [Link]= 1: la première colonne du fichier contient le nom des
individus. Si ce n’est pas le cas, il suffit d’omettre ce paramètre;
I skip=n pour ne pas lire les n premières lignes.
Green Tech Innovation | Introduction à R Studio
 Création de données
26

â [Link] : sauvegarde un data frame dans un fichier.

â c : concatène des scalaires en un vecteur.
â rbind,cbind : concatène en ligne ou en colonne des vecteurs en une
matrice.
â list : crée une liste.
â matrix : crée une matrice à nrow lignes et ncol colonnes.
â [Link] : crée un data frame.
â array : crée un tableau dont l’argument dim permet de préciser le
nombre de dimensions ainsi que la taille de chaque dimension.
â seq : créer une séquence d’entiers.
â rnorm, runif : simule la génération d’une variable aléatoire normale,
uniforme.

Green Tech Innovation | Introduction à R Studio

 Information sur les variables
27

â length : longueur d’un vecteur.

â ncol, nrow : nombre de colonnes et de lignes d’une matrice.
â str : affiche le type d’un objet.
â [Link], [Link] : change un objet en un nombre ou une chaine
de caractères.
â [Link] : teste si la variable est de type ‘NA’ (valeur manquante).

Green Tech Innovation | Introduction à R Studio

 Explorer et nettoyer les tables de données avec R
28

=0ptAprès avoir importer dans un objet R des données provenant d’une

base de données ou d’un tableur, il est important de s’assurer que toutes les
lignes (ou enregistrements) et toutes les colonnes (variables) ont bien été
importées.
Exemple : on va importer cette base de données nommée "Mydata"

Green Tech Innovation | Introduction à R Studio

 Explorer et nettoyer les tables de données avec R
29

â Importer un fichier texte

Convertir au préalable le fichier Excel des données en fichier de format
«.txt».
> data < − [Link]("[Link]" ,header=TRUE)
â Importer les données d’Excel
on selectionne puis copie la plage de données que l’on souhaite importer
dans R.
> data < − [Link]("clipboard", header=TRUE)
NB: Clipboard = presse-papier

Green Tech Innovation | Introduction à R Studio

 Explorer et nettoyer les tables de données avec R
30

Green Tech Innovation | Introduction à R Studio

 Explorer et nettoyer les tables de données avec R
31

Rechercher les valeurs aberrantes

> which(Matable>2400,[Link]=T)
Cette commande affiche les coordonnées des valeurs supérieures à 2400
dans la base.

Rechercher les valeurs manquantes

> which([Link](Matable),[Link]=TRUE)
[Link] (pour array indic), ’= TRUE affiche dans la console les coordonnées
(ligne et colonne) des différentes valeurs manquantes.

Corriger les données comme dans un tableur

Une fois les erreurs identifiées, la fonction edit() permet d’ouvrir les
données dans une nouvelle fenêtre et de modifier les données.

Green Tech Innovation | Introduction à R Studio

 Généralités sur les types de variables
32

La collecte d’information vous amène à utiliser différents types de données

classées en deux grands types.

Green Tech Innovation | Introduction à R Studio

 Données à utiliser
33

les données suivantes seront utilisées pour réaliser quelques graphes avec
le logiciel R.

Green Tech Innovation | Introduction à R Studio

 Effectif, distribution de fréquence absolue / relative
34

Green Tech Innovation | Introduction à R Studio

 Construction de diagramme circulaire dans
l’environnement basic 35

> pie((table(Alphabétisation)),col=c("grey50","grey10"))
l’argument « col » permet de modifier les couleurs
> pie((table(Alphabétisation)),col=c("grey50","grey10"),radius=0.8,
labels=c("Alphabétisé (80.49%)", "Non Alphabétisé (19.51%)"))

Green Tech Innovation | Introduction à R Studio

 Construction de diagramme circulaire dans
l’environnement basic 36

> pie (([Link](table(Alphabétisation))), radius=0.6)

l’argument « radius » permet de modifier le rayon du cercle

Green Tech Innovation | Introduction à R Studio

 Construction de diagramme en barres simples dans
le package ggplot2 37

â Barres verticales

Green Tech Innovation | Introduction à R Studio

 Construction de diagramme en barres simples dans
le package ggplot2 38

â Barres horizontales

Green Tech Innovation | Introduction à R Studio

 Distribution de Fréquence absolue groupée
39

Green Tech Innovation | Introduction à R Studio

 Distribution de Fréquence relative groupée
40

Green Tech Innovation | Introduction à R Studio

 Distribution de Fréquence relative groupée
41

Green Tech Innovation | Introduction à R Studio

 Diagramme en barres empilées dans le package gg-
plot2 42

Green Tech Innovation | Introduction à R Studio

 Diagramme en radar / en étoile / toile d’araignée /
de kiviat dans R 43

Green Tech Innovation | Introduction à R Studio

 Courbe dans R
44

Green Tech Innovation | Introduction à R Studio

 Courbe dans R
45

x et y: coordonnées des points à dessiner

type : le type de graphique; valeurs possibles:
I type=“p”: trace des points (par défauts)
I type=“l”: trace des lignes
I type=“b”: trace des points reliés par des lignes (les deux)
I type=“o”: trace des points recouverts par les lignes
I type=“h”: lignes verticales à partir des points à l’axe zéro
I type=“s”: Graphique en escalier
I type=“n”: aucun point n’est dessiné.

Green Tech Innovation | Introduction à R Studio

 Boite à moustaches (boxplot) dans R
46

Green Tech Innovation | Introduction à R Studio

 Les paramètres graphiques dans R
47

Green Tech Innovation | Introduction à R Studio

 Les paramètres graphiques dans R
48

Green Tech Innovation | Introduction à R Studio

 Les paramètres graphiques dans R
49

La fonction legend() est utilisée pour ajouter des légendes aux graphiques
générer par logiciel statistiques R. Un format simplifié de la fonction est:
legend (x, y=NULL, legend, fill, col, bg)

I x et y indiquent les coordonnées à utiliser pour positionner la légende

I legend: texte de la légende
I fill: couleur de remplissage des carrés à côté de la légende
I col: couleurs des traits ou points qui apparaissent dans la légende
I bg : couleur de fond de la légende

Green Tech Innovation | Introduction à R Studio

 Les paramètres graphiques dans R
50

La position de la légende peut être spécifiée en utilisant les mots clés

suivants: “bottomright”, “bottom”, “bottomleft”, “left”, “topleft”, “top”,
“topright”, “right” et “center”.
L’effet produit par chacun des mots clés, cités ci-dessus, est montré sur la
figure ci-dessous:

Green Tech Innovation | Introduction à R Studio

 Fonctions basiques de calcul de paramètres de posi-
tion / dispersion / forme 51

=0ptConsidérons comme population 20 adolescents et le caractère est la

taille exprimée en centimètres. Chaque membre de la population étudiée
est une série statistique quantitative.

Green Tech Innovation | Introduction à R Studio

 Fonctions basiques de calcul de paramètres de posi-
tion / dispersion / forme 52

Importation de la matrice de données

Green Tech Innovation | Introduction à R Studio

 Fonctions basiques de calcul de paramètres de posi-
tion / dispersion / forme 53

Green Tech Innovation | Introduction à R Studio

 Fonctions basiques de calcul de paramètres de posi-
tion / dispersion / forme 54

Green Tech Innovation | Introduction à R Studio

 Fonctions basiques de calcul de paramètres de posi-
tion / dispersion / forme 55

Green Tech Innovation | Introduction à R Studio

 Analyse de la variance à un facteur (One-way
ANOVA) 56

L’ANOVA à un facteur (ou one-way ANOVA) est une méthode statistique ex-
trêmement répandue, qui est employée pour comparer plus de deux moyennes.
Elle est dite à un facteur, car les moyennes sont relatives aux différentes
modalités d’une seule variable, ou facteur.

Exemple
Dans cet exemple, nous allons évaluer
si la résistance à un pathogène donné
varie pour des plantes de 4 lignées dif-
férentes de l’espèce modèle Medicago
truncatula. Les données sont comme
suit :

Green Tech Innovation | Introduction à R Studio

 Analyse de la variance à un facteur (One-way ANOVA
57

Green Tech Innovation | Introduction à R Studio

 Analyse de la variance à un facteur (One-way
ANOVA) 58

Green Tech Innovation | Introduction à R Studio

 Analyse de la variance à un facteur (One-way
ANOVA) 59

Tests préalables à l’ANOVA

Avant de procéder à l’ANOVA, il faut vérifier la normalité des données de
chaque groupe, et l’homogénéité des variances des groupes:

Comme la valeur de la probalité (P value) est inférieure au seuil de significa-

tion de 0,05, nous pouvons conclure qu’il existe des différences significatives
entre les groupes de lignée mis en évidence par « *** » dans le résumé du
modèle.
Green Tech Innovation | Introduction à R Studio
 Analyse de la variance à un facteur (One-way
ANOVA) 60

REMARQUE IMPORTANTE, si les échantillons ne suivent pas la normalité

On peut faire une ANOVA non paramétrique avec le test de Kruskall-Wallis :

[Link] (score lignee, data = resistance)

Green Tech Innovation | Introduction à R Studio

 Corrélations entre plusieurs variables et test de leur
significativité 61

I La fonction "[Link]" ne s’applique que pour deux variables.

I La fonction cor() de R peut être utilisée pour calculer la matrice de
corrélation.
Données pour le test de corrélation :
La table de données mtcars disponible dans R est utilisée dans les exemples
suivants pour calculer la matrice de corrélation.

Green Tech Innovation | Introduction à R Studio

 Corrélations entre plusieurs variables et test de leur
significativité 62

Green Tech Innovation | Introduction à R Studio

 Corrélations entre plusieurs variables et test de leur
significativité 63

Test de significativité de la corrélation (p-value)

La fonction rcorr() du package Hmisc peut être utilisée pour calculer le niveau
de significativité pour les corrélations de pearson et de spearman. En utilisant
cette fonction le coefficient de corrélation r de Pearson ou rho de Spearman
est calculer pour toutes les paires de variables possibles dans la table de don-
née.

Green Tech Innovation | Introduction à R Studio

 Corrélations entre plusieurs variables et test de leur
significativité 64

Faire un corrélogramme avec la fonction corrplot de R

Charger le package "corrplot" nécessaire pour établir le corrélogramme. La
fonction corrplot prend la matrice de corrélation comme premier argument.
Le second argument (type=“upper”) est utilisé pour afficher seulement le tri-
angle supérieur de la matrice de corrélation.

Green Tech Innovation | Introduction à R Studio