630
Le logiciel R
apply(nutri5,FUN=table,MARGIN=2)
On peut identifier six valeurs anormales dans nutri5 : sexe=12, sexe=21,
taille=1.67, poids=200, age=8 et chocol=7. Les individus ayant ces
valeurs anormales sont rep´ er´ es ainsi :
ind5sexe <- nutri5$Sujet[which(nutri5$sexe %in% c(12,21))]
ind5taille <- nutri5$Sujet[which(nutri5$taille==1.67)]
ind5poids <- nutri5$Sujet[which(nutri5$poids==200)]
ind5age <- nutri5$Sujet[which(nutri5$age==8)]
ind5chocol <- nutri5$Sujet[which(nutri5$chocol==7)]
ind5anorm <- c(ind5sexe,ind5taille,ind5poids,ind5age,ind5chocol)
Faisons maintenant de mˆ eme avec nutri6.
apply(nutri6,FUN=table,MARGIN=2)
On d´ etecte sept valeurs anormales dans nutri6 : sexe=12, sexe=21,
poids=8, age=7, viande=6, chocol=6, et matgras=9. Les individus ayant
ces valeurs anormales sont rep´ er´ es ainsi :
ind6sexe <- nutri6$Sujet[which(nutri6$sexe %in% c(12,21))]
ind6poids <- nutri6$Sujet[which(nutri6$poids==8)]
ind6age <- nutri6$Sujet[which(nutri6$age==7)]
ind6viande <- nutri6$Sujet[which(nutri6$viande==6)]
ind6chocol <- nutri6$Sujet[which(nutri6$chocol==6)]
ind6matgras <- nutri6$Sujet[which(nutri6$matgras==9)]
ind6anorm <- c(ind6sexe,ind6poids,ind6age,ind6viande,ind6chocol,
ind6matgras)
Nous allons maintenant regarder s’il est possible de corriger certaines
de ces valeurs anormales. Pour cela, nous allons chercher si un individu
pr´ esentant une valeur anormale dans l’une des tables pourrait ˆ etre pr´ esent
dans l’autre table avec une valeur normale. Voici d´ ej` a la liste des sujets
communs aux deux fichiers :
ind.comun <- intersect(nutri6$Sujet,nutri5$Sujet)
Liste des sujets anormaux dans nutri5 qui sont aussi pr´ esents dans
nutri6 :
intersect(ind.comun,ind5anorm)
# R´ esultat : aucun sujet.
Liste des sujets anormaux dans nutri6 qui sont aussi pr´ esents dans
nutri5 :
intersect(ind.comun,ind6anorm)
# R´ esultat: le sujet 30
nutri5[nutri5$Sujet==30,]
nutri6[nutri6$Sujet==30,]
# On a sexe=21 dans nutri6 et sexe=2 dans nutri5