Type: Package
Title: Initiation à La Statistique Avec R
Version: 4.0.1
Date: 2023-03-21
Depends: R (≥ 2.10)
Imports: ggplot2
Author: Frederic Bertrand ORCID iD [cre, aut], Myriam Maumy-Bertrand ORCID iD [aut]
Maintainer: Frederic Bertrand <frederic.bertrand@utt.fr>
Description: Datasets and functions for the book "Initiation à la Statistique avec R", F. Bertrand and M. Maumy-Bertrand (2022, ISBN:978-2100782826 Dunod, fourth edition).
LazyLoad: yes
LazyData: yes
License: GPL-3
Encoding: UTF-8
URL: https://fbertran.github.io/BioStatR/, https://github.com/fbertran/BioStatR/
BugReports: https://github.com/fbertran/BioStatR/issues/
RoxygenNote: 7.2.1
NeedsCompilation: no
Packaged: 2023-03-21 14:26:34 UTC; fbertran
Repository: CRAN
Date/Publication: 2023-03-21 15:10:02 UTC

BioStatR

Description

Motivation: Package compagnon du livre Initiation à la statistique avec R. Il contient les codes des chapitres du livre ainsi que les solutions des exercices mais aussi d'autres compléments à découvrir.

References

F. Bertrand, M. Maumy-Bertrand, Initiation à la Statistique avec R, 4ème édition, ISBN:9782100847945, Dunod, Paris, 2023

Initiation à la Statistique avec R, Frédéric Bertrand, Myriam Maumy-Bertrand, 2023, , https://www.dunod.com/sciences-techniques/initiation-statistique-avec-r-cours-exemples-exercices-et-problemes-corriges-1, https://github.com/fbertran/BioStatR/ et https://fbertran.github.io/BioStatR/

Examples

set.seed(314)

Durées de travail en Europe

Description

This dataset provide mean weekly cumulated work durations for several European countries.

Format

A data frame with 25 observations on the following 2 variables.

Pays

a factor with the some of the European countries as levels

Duree

weekly cumulative work duration

Details

The duration is given in hours

References

F. Bertrand, M. Maumy-Bertrand, Initiation à la Statistique avec R, Dunod, 4ème édition, 2023.

Examples


data(Europe)

Mesures de fruits d'arbustes

Description

This dataset measurements of several features of the fruits of small trees such as their mass (in g) or their length (in cm).

Format

A data frame with 252 observations on the following 5 variables.

masse

a numeric vector

taille

a numeric vector

espece

a factor with levels bignone, glycine blanche, glycine violette and lauriers roses

Details

This dataset was made during the summer 2009 in the south of France. It provides measurements of several features of the fruits of small trees such as their mass or their length.

References

F. Bertrand, M. Maumy-Bertrand, Initiation à la Statistique avec R, Dunod, 4ème édition, 2023.

Examples


data(Extrait_Taille)

Mesures de fruits d'arbustes

Description

This dataset measurements of several features of the fruits of small trees such as their mass or their length.

Format

A data frame with 252 observations on the following 3 variables.

masse

a numeric vector

taille

a numeric vector

espece

a factor with levels bignone, glycine blanche, glycine violette and lauriers roses

Details

This dataset was made during the summer 2009 in the south of France. It provides measurements of several features of the fruits of small trees such as their mass or their length.

References

F. Bertrand, M. Maumy-Bertrand, Initiation à la Statistique avec R, Dunod, 4ème édition, 2023.

Examples


data(Mesures)

Mesures de fruits d'arbustes

Description

This dataset measurements of several features of the fruits of small trees such as their mass or their length.

Format

A data frame with 252 observations on the following 5 variables.

masse

a numeric vector

taille

a numeric vector

graines

a numeric vector

masse_sec

a numeric vector

espece

a factor with levels bignone, glycine blanche, glycine violette and lauriers roses

Details

This dataset was made during the summer 2009 in the south of France. It provides measurements of several features of the fruits of small trees such as their mass or their length.

References

F. Bertrand, M. Maumy-Bertrand, Initiation à la Statistique avec R, Dunod, 4ème édition, 2023.

Examples


data(Mesures5)

Indices de Quetelet

Description

Ce jeu de données contient des mesures de masse et de taille pour permettre le calcul de l'indice de masse corporelle (aussi dit de Quetelet).

Format

Un data frame avec 66 observations de 3 variables.

sexe

un facteur donnant le sexe de l'individu

poids

le poids de l'individu

taille

la hauteur de l'individu

Details

Le poids est exprimée en kg et la hauteur en cm

References

F. Bertrand, M. Maumy-Bertrand, Initiation à la Statistique avec R, Dunod, 4ème édition, 2023.

Examples


data(Quetelet)

Intervalles de confiance pour une proportion

Description

Cette fonction permet de calculer plusieurs types d'intervalles de confiance pour une proportion.

Usage

binom.ci(x, n, conf.level = 0.95, method = c("Wilson", "exact", "Wald", "all"))

Arguments

x

Nombre de succès

n

Nombre d'essais

conf.level

Niveau de confiance recherché pour l'intervalle

method

Type d'intervalle de confiance à calculer : intervalle de "Wilson", intervalle "exact" de Clopper-Pearson, intervalle asymptotique de "Wald" ou tous les trois "all"

Value

matrix

Limites des intervalles de confiance demandés.

Author(s)

Frédéric Bertrand
frederic.bertrand@utt.fr
http://www-irma.u-strasbg.fr/~fbertran/
Maumy-Bertrand
myriam.maumy@utt.fr
http://www-irma.u-strasbg.fr/~mmaumy/

References

F. Bertrand, M. Maumy-Bertrand, Initiation à la Statistique avec R, Dunod, 4ème édition, 2023.

See Also

binom.test, binom.ci, poi.ci

Examples


binom.ci(5,10,method="all")

Coefficient de variation

Description

Calcule coefficent de variation d'une série statistique

Usage

cvar(x)

Arguments

x

Un vecteur numérique

Details

Le coefficient de variation est égal à l'écart-type corrigé divisé par la moyenne. Il est exprimé en pourcents.

Value

num

Valeur du coefficient de variation exprimé en pourcents

Author(s)

Frédéric Bertrand
frederic.bertrand@utt.fr
http://www-irma.u-strasbg.fr/~fbertran/
Maumy-Bertrand
myriam.maumy@utt.fr
http://www-irma.u-strasbg.fr/~mmaumy/

References

F. Bertrand, M. Maumy-Bertrand, Initiation à la Statistique avec R, Dunod, 4ème édition, 2023.

See Also

mean, sd

Examples


data(Europe)
cvar(Europe[,2])

Calcul du rapport de corrélation eta carré

Description

Cette fonction calcule le rapport de corrélation \eta^2 qui est une mesure d'association importante entre une variable quantitative et une variable qualitative.

Usage

eta2(x, y)

Arguments

x

Un vecteur associé à la variable quantitative

y

Un facteur associé à la variable qualitative

Value

num

La valeur du rapport de corrélation empirique

Author(s)

Frédéric Bertrand
frederic.bertrand@utt.fr
http://www-irma.u-strasbg.fr/~fbertran/
Maumy-Bertrand
myriam.maumy@utt.fr
http://www-irma.u-strasbg.fr/~mmaumy/

References

F. Bertrand, M. Maumy-Bertrand, Initiation à la Statistique avec R, Dunod, 4ème édition, 2023.

Examples


eta2(Mesures5$taille,Mesures5$espece)

Graphique des quantiles (qqplot) et droite interquartile

Description

Dessine le graphique des quantiles ou qqplot et la droite interquartile (passant par le premier et le troisième quartile à la manière de la fonction qqline) avec la bibliothèque graphique ggplot2.

Usage

gg_qqplot(
  df,
  var,
  qdist = qnorm,
  params = list(),
  qq.line = TRUE,
  color = "red",
  alpha = 0.5
)

Arguments

df

Un jeu de données (dataframe)

var

Le nom d'une variable de df

qdist

La fonction quantile d'une (famille de) distribution. Par défaut celle de la famille des lois normales.

params

Une liste de paramètres pour spécifier la loi à utiliser. Par défaut la loi normale centrée et réduite. Les paramètres peuvent être estimés avec la fonction fitdistr de la bibliothèque MASS.

qq.line

Une valeur logique. Affiche ou masque la droite interquartile.

color

Le nom d'une couleur. Spécifie la couleur à utiliser pour la droite interquartile.

alpha

Indice de transparence. Spécifie la transparence à utiliser pour représenter les valeurs de l'échantillon.

Value

ggplot

Un graphique utilisant la bibliothèque ggplot2. Affiche les valeurs des quartiles théoriques par lesquels passe la droite ainsi que son ordonnée à l'origine et sa pente si le tracé de celle-ci est demandé.

Author(s)

Frédéric Bertrand
frederic.bertrand@utt.fr
http://www-irma.u-strasbg.fr/~fbertran/
Maumy-Bertrand
myriam.maumy@utt.fr
http://www-irma.u-strasbg.fr/~mmaumy/

References

F. Bertrand, M. Maumy-Bertrand, Initiation à la Statistique avec R, Dunod, 3e, 2018.

See Also

qqplot, qqline

Examples


glycine.blanche<-subset(Mesures,subset=(Mesures$espece=="glycine blanche"))
gg_qqplot(glycine.blanche,"taille")

#bonus ajustement avec une autre loi (ici Student (car dist = qt) dont on estime les ddl)
lauriers.roses<-subset(Mesures,subset=(Mesures$espece=="laurier rose"))
shapiro.test(lauriers.roses$taille) 
#pas issu d'une loi normale au risque alpha=5%
gg_qqplot(lauriers.roses,"taille")
gg_qqplot(lauriers.roses,"taille",qq.line=FALSE)
#essayons un qqplot avec une loi de Student
## Not run: 
require(MASS)
params <- as.list(fitdistr(lauriers.roses$taille, "t")$estimate)
#avec la droite
gg_qqplot(lauriers.roses,"taille",qt,params)
#essayons un qqplot avec une loi gamma
params <- as.list(fitdistr(lauriers.roses$taille,"gamma")$estimate)
#avec la droite
gg_qqplot(lauriers.roses,"taille",qgamma,params)
#essayons un qqplot avec une loi du chi-deux
params <- list(df=fitdistr(lauriers.roses$taille,"chi-squared",start=list(df=5),
method="Brent",lower=1,upper=40)$estimate)
#avec la droite
gg_qqplot(lauriers.roses,"taille",qchisq,params)

## End(Not run)

Histrogammes

Description

Sert à représenter des histogrammes dans les graphiques matriciels

Usage

panel.hist(x, ...)

Arguments

x

Un vecteur numérique

...

Des arguments à transmettre à la fonction qui créé les histogrammes

Details

Cette fonction s'utilise avec la fonctions graphique pairs.

Author(s)

Frédéric Bertrand
frederic.bertrand@utt.fr
http://www-irma.u-strasbg.fr/~fbertran/
Maumy-Bertrand
myriam.maumy@utt.fr
http://www-irma.u-strasbg.fr/~mmaumy/

References

F. Bertrand, M. Maumy-Bertrand, Initiation à la Statistique avec R, Dunod, 4ème édition, 2023.

See Also

pairs, hist

Examples


data(Mesures5)
pairs(Mesures5,diag.panel="panel.hist")

Représentation bivariée des variables discrètes ou des variables continues groupées en classes.

Description

Cette fonction construit un stéréogramme permettant de juger de l'association entre deux variables discrètes ou groupées en classes.

Usage

plotcdf2(
  x,
  y,
  f,
  xaxe,
  yaxe,
  col = NULL,
  border = FALSE,
  Nxy = 200,
  theme = "0"
)

Arguments

x

Valeurs observées ou modalités de la première variable discrète

y

Valeurs observées ou modalités de la seconde variable discrète

f

Si f=0 (donc length(f)=0), x et y sont deux séries statistiques. Si length(f)>1, f est un tableau de fréquences et x et y les noms des lignes et des colonnes de f.

xaxe

Nom de l'axe des abscisses

yaxe

Nom de l'axe des ordonnées

col

Couleur du stéréogramme

border

Le maillage du graphique doit-il être affiché ?

Nxy

Pas du maillage pour chaque axe

theme

Le thème détermine la palette de couleurs utilisées. Il y a quatre choix possibles en couleurs "0", "1", "2", "3" et un en nuances de gris "bw"

Value

Un stéréogramme des deux séries statistiques groupées ou des deux variables discrètes étudiées.

Author(s)

Frédéric Bertrand
frederic.bertrand@utt.fr
http://www-irma.u-strasbg.fr/~fbertran/
Maumy-Bertrand
myriam.maumy@utt.fr
http://www-irma.u-strasbg.fr/~mmaumy/

References

F. Bertrand, M. Maumy-Bertrand, Initiation à la Statistique avec R, Dunod, 4ème édition, 2023.

Examples


xx=c(1.83,1.72,1.65,1.70,2.05,1.92,1.85,1.70,1.75,1.9)
yy=c(75,70,70,60,90,92,75,68,71,87)
plotcdf2(xx,yy,f=0,"taille en m","poids en kg")

xx=seq(2,12)
yy=seq(1,6)                 
p=c(1/36,0,0,0,0,0,
2/36,0,0,0,0,0,
2/36,1/36,0,0,0,0,
2/36,2/36,0,0,0,0,
2/36,2/36,1/36,0,0,0,
2/36,2/36,2/36,0,0,0,
0,2/36,2/36,1/36,0,0,
0,0,2/36,2/36,0,0,
0,0,0,2/36,1/36,0,
0,0,0,0,2/36,0,
0,0,0,0,0,1/36)
p=matrix(p,byrow=TRUE,ncol=6)
plotcdf2(xx,yy,p,"somme des dés","valeur du plus petit")

Intervalle de confiance pour le paramètre d'une loi de Poisson

Description

Créé un intervalle de confiance pour le paramètre d'une loi de Poisson.

Usage

poi.ci(x, conf.level = 0.95)

Arguments

x

Un vecteur de données

conf.level

Niveau de confiance de l'intervalle

Value

matrix

Limites des intervalles de confiance demandés.

Author(s)

Frédéric Bertrand
frederic.bertrand@utt.fr
http://www-irma.u-strasbg.fr/~fbertran/
Maumy-Bertrand
myriam.maumy@utt.fr
http://www-irma.u-strasbg.fr/~mmaumy/

References

F. Bertrand, M. Maumy-Bertrand, Initiation à la Statistique avec R, Dunod, 4ème édition, 2023.

See Also

binom.test, binom.ci, poi.ci

Examples


poi.ci(rpois(20,10))