ATELIER STATISTIQUE AVEC
R
Syllabus & Introduction
2
Objectif
Mise en évidence des liens entre toutes les notions en
statistique rencontrées dans les années antérieures par les
étudiants: statistiques descriptives, variables aléatoires et
statistique mathématique.
Le logiciel R est utilisé pour illustrer les applications des
outils de statistique.
3
Plan sommaire
Introduction à la programmation R
• Les bases du langage R.
• Types de données,
• Structures algorithmiques ”branchements conditionnels, boucles”
• Manipulation des vecteurs sous R
• Création des vecteurs
• Calculs récapitulatifs
• Tableaux et matrices avec R
• Création des matrices à partir d'un vecteur
• Modification dynamique des dimensions
• Calculs avec la fonction apply().
• Programmation à partir des objets statistiques sous R :
• Récupération des propriétés des objets issus des calculs statistiques.
• Utilisation de la commande attributes().
• Programmation de nouvelles méthodes sous forme de fonctions.
• Programmation MapReduce sous R :
Introduction Hadoop
•
• Système de fichiers HDFS
• Modèle de programmation MapReduce.
• Programmation sous R via le package RHadoop
4
Aperçu et Histoire de R
C’est quoi R?
R est un dialecte du langage S
5
C’est quoi S?
Publicité
• Langage développé par John Chambers et d’autres chez Bell Labs.
http://ect.bell-labs.com/sl/S/
• Lancé en 1976 en tant qu’environnement d’analyse statistique interne; mis
en œuvre à l’origine sous le nom de Fortran libraries
• Les premières versions ne contenaient pas de fonctions pour la
modélisation statistique
• En 1988, le système a été réécrit en C et
a commencé à ressembler au système
actuel (version 3 du langage).
La version 4 a été lancée en 1998 et
c’est la version que nous utilisons
aujourd'hui.
6
“[W]e wanted users to be able to begin in an interactive
environment, where they did not consciously think of
themselves as programming. Then as their needs become
clearer and their sophistication increased, they should be
able to solid gradually into programming, when the
language and system aspects would become more
important”
John Chambers
In “ Stage in the Evolution of S“
http://www.stat.bell-labs.com/S/history.html
7
Retour à R
• 1991: en Nouvelle-Zélande Ihaka et Gentleman ont développé
R (JCGS paper 1996)
• 1993 première annonce publique de R
• 1995 M.Machler a convaincu Ihaka et Gentleman d'utiliser la
Licence publique générale GNU ( GNU GPL) pour créer le
logiciel libre R The R Project for Statistical Computing
• 1996: Une liste de diffusion publique fût créée (R-help et R-
devel)
• 1997: Le groupe de base R est formé - contenant certaines
personnes associées à S-Plus - le groupe central contrôle le
code source de R.
• 2000 R version 1.0.0 est disponible
• R version 3.5.1 (Feather Spray) est sortie le 02 2018-07-02.
8
Logiciel Libre…
Publicité
Avec un software gratuit, vous êtes autorisés à :
• Exécuter librement le programme, pour tout usage (liberté 0)
• Etudier le fonctionnement du programme et l'adapter à vos besoins
(liberté 1). L'accès au code source est une condition préalable
• Redistribuer des copies pour aider son prochain (freedom2)
• Améliorer le programme et diffuser vos améliorations auprès du
public, de manière à ce que l'ensemble de la communauté en profite
(liberté 3). L'accès au code source est une condition préalable
également.
9
Design de R
Le système R est divisé en 2 parties conceptuelles:
1. Le système R de base que vous téléchargez depuis CRAN
2.
tout le reste
La fonctionnalité R est divisée en plusieurs packages
• Le système «base R» contient, entre autres, le package de base
requis pour exécuter R et contient les fonctions les plus fondamentales
• Les autres paquets contenus dans le système «base» incluent utils,
stats, datasets, graphics, grDevices, grid, methods, tools, parallel,
compiler, splines, tcitk, stats4
• Il existe également des packages «Recommander»: boot, class,
cluster, codetools, foreign, KernSmooth, lattice, mgcv, nime, rpart,
survival, MASS, spatial, nnet, Matrix
10
Autres packages disponibles:
• Environ 4 000 packages sur CRAN (Comprehensive R
Archive Network) développés par des utilisateurs et des
programmeurs du monde entier.
• Nombreux packages associés au projet Bioconductor
http://bioconductor.org
• Plusieurs packages développés par des particuliers et mis
sur leur site personnel; il n'y a pas moyen fiable pour les
recensés;
11
Et puis il y a eu RStudio….
L’interface de base de R est relativement rudimentaire
Interface RStudio
12
13
Publicité
RStudio est un environnement de développement intégré
libre, gratuit, et qui fonctionne sous Windows, Mac OS X
et Linux.
Il complète R et fournit:
• un éditeur de script avec coloration syntaxique,
• des fonctionnalités pratiques d’édition et d’exécution du code
• un affichage simultané du code, de la console R,
• des fichiers, graphiques et pages d’aide, une gestion des extensions,
une intégration avec des systèmes de contrôle de versions comme git,
etc.
Il intègre divers outils comme par exemple la production de rapports
au format Rmarkdown.
Il est en développement actif et de nouvelles fonctionnalités sont
ajoutées régulièrement.
Son principal défaut est d’avoir une interface uniquement
anglophone.
14
Ressources et Aides
• Communauté d'utilisateurs très dynamique: R-help, listes
de diffusion R-devel et Stack Overflow.
• Plusieurs ressources sont disponibles sur la toile:
• le site du Cran Project https://cran.r-project.org
• il y a aussi une longue liste de livres :
https://www.r-project.org/doc/bib/R-books.html
15
Installer R & RStudio
• sous Windows:
• Aller sur: https://cran.r-project.org/bin/windows/base/
• Suivre le premier lien pour télécharger le programme d’installation
et installer R avec les options par défaut.
• Sous Mac OS X,
• Aller sur: https://cran.r-project.org/bin/macosx/
Une fois R correctement installé, aller sur:
https://www.rstudio.com/products/rstudio/download/
(l’édition Open Source de RStudio Desktop)
Choisir l’installateur correspondant à votre système d’exploitation et
suivre les instructions du programme d’installation.