Solutions des TPs
667
plot(sd.b1∼taille,xlab="n",ylab="Estimation de l’´ ecart-type de
l’estimateur de b1",
main="Pr´ ecision de l’estimation de b1 en fonction de n")
Sur le graphique ci-dessous, nous pouvons observer la pr´ ecision de l’estimation de b1 en fonction de sigma, pour n ´ egal `
a 100 :
sd <- seq(0.1,10,by=0.1)
sd.b1 <- vector("numeric",100)
for (i in 1:100) {
sd.b1[i] <- precision.parametre.b1(n=100,sd[i])
}
titre <- "Pr´ ecision de l’estimation de b1 en fonction \n de
l’´ ecart-type du bruit"
plot(sd.b1∼sd,xlab=expression(sigma),ylab=
"estimation de l’´ ecart-type de l’estimateur de b1",
main=titre)
• ´
Etude sur l’intima-m´ edia
12.1- url <- "http://biostatisticien.eu/springeR/Intima_Media.txt"
intima.media <- read.table(url,header=TRUE,dec=",",sep=" ")
attach(intima.media)
12.2- plot(mesure∼AGE)
´
Evolution croissante de la mesure de l’´ epaisseur de l’intima-m´ edia en
fonction de l’AGE.
12.3- # Calcul du coefficient de corr´ elation entre les deux variables:
cor(mesure,AGE)
# Test de la significativit´ e du coefficient de corr´ elation:
cor.test(mesure,AGE)
12.4- modele <- lm(mesure∼AGE,data=data.frame(mesure,AGE))
summary(modele)
abline(modele,col="blue")
12.5- hist(residuals(modele),main="Histogramme")
plot(modele,1:6)
12.6- age0 <- 33
predict(modele,data.frame(AGE=age0),interval="prediction")
12.7- predict(modele,data.frame(AGE=age0),interval="confidence")
12.8- modele2 <- lm(mesure∼I(AGE^2))
summary(modele2)