Chapitre 2. Importation-exportation et production de donn´ ees
87
La question que l’on se pose est de savoir s’il existe une diff´ erence entre les
traitements. Il s’agit donc ici de comparer les moyennes des d´ elais de cicatrisation observ´ es dans cinq ´ echantillons ind´ ependants (groupes de traitement).
L’analyse statistique ad´ equate s’appelle l’ANOVA ; elle sera pr´ esent´ ee au chapitre 13. Nous allons voir ici comment entrer ces donn´ ees dans R uniquement
pour calculer la moyenne de l’´ echantillon de chaque traitement.
2.1- Entrez directement les donn´ ees dans R ` a l’aide de la fonction de().
2.2- Utilisez la fonction attach() puis la fonction mean() pour calculer la
moyenne de chacun des traitements.
2.3- Calculez simultan´ ement les moyennes des traitements au moyen de la
fonction colMeans().
2.4- Enregistrez votre data.frame dans un fichier nomm´ e boutons.txt en utilisant la fonction write.table().
2.5- V´ erifiez que tout s’est bien pass´ e en ouvrant le fichier au moyen d’un
´ editeur de texte.
2.6- Utilisez la fonction rm() pour effacer tous les objets R que vous venez de
cr´ eer dans votre environnement de travail.
2.7- Importez le fichier boutons.txt en utilisant read.table() et affichez-le.
• Facteurs de risque de l’ath´ eroscl´ erose
Lors d’une ´ etude sur les facteurs de risque de l’ath´ eroscl´ erose, des donn´ ees
ont ´ et´ e recueillies et r´ esum´ ees dans le tableau de contingence suivant :
alcool ne boit pas boit occasionnellement boit régulièrement
SEXE tabac
H
ne fume pas
6
19
7
a arrêté de fumer
0
9
0
fume
1
6
5
F
ne fume pas
12
26
2
a arrêté de fumer
3
5
1
fume
1
6
1
Il peut ˆ etre int´ eressant de savoir s’il y a une d´ ependance entre les habitudes
tabagiques et alcooliques suivant le sexe. Pour entrer ce type de donn´ ees dans
R, il faut suivre plusieurs ´ etapes.
2.1- Utilisez la fonction scan() afin d’obtenir une matrice X de taille 6 × 3 qui
contiendra uniquement les donn´ ees.
2.2- Utilisez l’instruction class(X) <- "ftable" pour sp´ ecifier qu’il va s’agir
d’une table de contingence.
2.3- Tapez les deux instructions :
attributes(X)$col.vars <- list(alcool=c("ne boit pas",
"boit occasionnellement","boit régulièrement"))
attributes(X)$row.vars <- list(SEXE=c("H","F"),tabac=
c("ne fume pas","a arrêté de fumer","fume"))
87
La question que l’on se pose est de savoir s’il existe une diff´ erence entre les
traitements. Il s’agit donc ici de comparer les moyennes des d´ elais de cicatrisation observ´ es dans cinq ´ echantillons ind´ ependants (groupes de traitement).
L’analyse statistique ad´ equate s’appelle l’ANOVA ; elle sera pr´ esent´ ee au chapitre 13. Nous allons voir ici comment entrer ces donn´ ees dans R uniquement
pour calculer la moyenne de l’´ echantillon de chaque traitement.
2.1- Entrez directement les donn´ ees dans R ` a l’aide de la fonction de().
2.2- Utilisez la fonction attach() puis la fonction mean() pour calculer la
moyenne de chacun des traitements.
2.3- Calculez simultan´ ement les moyennes des traitements au moyen de la
fonction colMeans().
2.4- Enregistrez votre data.frame dans un fichier nomm´ e boutons.txt en utilisant la fonction write.table().
2.5- V´ erifiez que tout s’est bien pass´ e en ouvrant le fichier au moyen d’un
´ editeur de texte.
2.6- Utilisez la fonction rm() pour effacer tous les objets R que vous venez de
cr´ eer dans votre environnement de travail.
2.7- Importez le fichier boutons.txt en utilisant read.table() et affichez-le.
• Facteurs de risque de l’ath´ eroscl´ erose
Lors d’une ´ etude sur les facteurs de risque de l’ath´ eroscl´ erose, des donn´ ees
ont ´ et´ e recueillies et r´ esum´ ees dans le tableau de contingence suivant :
alcool ne boit pas boit occasionnellement boit régulièrement
SEXE tabac
H
ne fume pas
6
19
7
a arrêté de fumer
0
9
0
fume
1
6
5
F
ne fume pas
12
26
2
a arrêté de fumer
3
5
1
fume
1
6
1
Il peut ˆ etre int´ eressant de savoir s’il y a une d´ ependance entre les habitudes
tabagiques et alcooliques suivant le sexe. Pour entrer ce type de donn´ ees dans
R, il faut suivre plusieurs ´ etapes.
2.1- Utilisez la fonction scan() afin d’obtenir une matrice X de taille 6 × 3 qui
contiendra uniquement les donn´ ees.
2.2- Utilisez l’instruction class(X) <- "ftable" pour sp´ ecifier qu’il va s’agir
d’une table de contingence.
2.3- Tapez les deux instructions :
attributes(X)$col.vars <- list(alcool=c("ne boit pas",
"boit occasionnellement","boit régulièrement"))
attributes(X)$row.vars <- list(SEXE=c("H","F"),tabac=
c("ne fume pas","a arrêté de fumer","fume"))