654
Le logiciel R
C <- sqrt(khi2/(sum(yeuxcheveux)+khi2))
C
V2 <- Phi2/(min(dim(yeuxcheveux))-1)
V2
Tous ces indicateurs sont non nuls ; il y a donc une certaine forme de
d´ ependance dans cette population (´ etudi´ ee au sens de la statistique descriptive).
9.18- # Distributions conditionnelles de la variable cheveux
# sachant que yeux = (bleu, ou marron ou ...):
prop.table(yeuxcheveux,1)
Les lignes ne sont pas ´ egales. Ceci confirme la d´ ependance (d’un point de
vue statistique descriptive) entre les deux caract` eres.
# Distributions conditionnelles de la variable yeux
# sachant que cheveux = (blond ou ...):
prop.table(yeuxcheveux,2)
Les colonnes ne sont pas ´ egales. Ceci confirme aussi la d´ ependance (d’un
point de vue statistique descriptive) entre les deux caract` eres.
9.19- table(cheveux,sexe)
plot(cheveux∼sexe)
plot(table(cheveux,sexe))
9.20- table(yeux,sexe)
plot(yeux∼sexe)
plot(table(yeux,sexe))
9.21- Voir le TP dans le chapitre 2 pour savoir comment importer le tableau,
puis suivre les ´ etapes ci-dessus.
B- Analyse descriptive du jeu de donn´ ees Nutriage
9.1- require("gdata")
url <- "http://www.biostatisticien.eu/springeR/nutriage.xls"
nutriage <- read.xls(url,header=TRUE)
attach(nutriage)
9.2- names(which.max(table(situation)))
names(which.max(table(chocol)))
names(which.max(table(taille)))
9.3- res <- hist(taille,breaks=seq(140,190,by=5),right=TRUE,plot=FALSE)
ind <- which.max(res$count)
classe.modale <- paste(res$breaks[ind],res$breaks[ind+1],sep="-")