Atelier Statistique avec R
Atelier Statistique avec R
Statistique, Programmation · course
Fiche de révisionFiche de cours
Rédigée à partir de ce document, puis vérifiée avant publication.
Ce matériel couvre une introduction complète au logiciel R, destiné aux étudiants ayant déjà des notions en statistique descriptive, variables aléatoires et statistique mathématique. Il présente les bases de la programmation R, son histoire, son environnement, ainsi que les ressources pour débuter et progresser dans l'utilisation de ce logiciel libre d’analyse statistique.
Le langage R est un outil puissant pour la statistique, combinant programmation et analyse de données. Cette section présente les bases du langage R, les types de données, les structures algorithmiques telles que les branchements conditionnels et les boucles, ainsi que la manipulation des vecteurs.
R est un langage interprété, interactif, conçu pour l’analyse statistique. Il permet de créer des objets, manipuler des données et réaliser des calculs statistiques.
Les vecteurs sont des structures de données fondamentales en R. On peut les créer, les manipuler et effectuer des calculs récapitulatifs.
# Exemple de création d'un vecteur et calcul de la moyenne
x <- c(1, 2, 3, 4, 5)
mean(x)
R permet de créer des matrices à partir de vecteurs et de modifier dynamiquement leurs dimensions. La fonction apply() facilite les calculs sur les lignes ou colonnes.
# Création d'une matrice 2x3 à partir d'un vecteur
m <- matrix(1:6, nrow=2, ncol=3)
# Calcul de la somme par ligne
apply(m, 1, sum)
Il est possible de récupérer les propriétés des objets statistiques issus des calculs, notamment grâce à la commande attributes(). Cela permet de programmer de nouvelles méthodes sous forme de fonctions adaptées aux besoins spécifiques.
# Exemple d'utilisation de attributes()
mod <- lm(y ~ x, data=mydata)
attributes(mod)
Une introduction au système Hadoop est proposée, avec le système de fichiers HDFS et le modèle de programmation MapReduce. Le package RHadoop permet d’utiliser ces concepts directement depuis R.
R est un dialecte du langage S, développé initialement chez Bell Labs. Il a été conçu pour offrir un environnement interactif d’analyse statistique, évoluant vers un langage complet et libre.
« Nous voulions que les utilisateurs puissent commencer dans un environnement interactif, sans se percevoir comme des programmeurs. Puis, à mesure que leurs besoins et leur sophistication augmentaient, ils pourraient progressivement s’initier à la programmation, où les aspects du langage et du système deviendraient plus importants. »
John Chambers
R est un logiciel libre, ce qui signifie que les utilisateurs ont plusieurs libertés essentielles :
Le système R est divisé en deux parties conceptuelles :
Le système de base comprend des packages fondamentaux comme base, utils, stats, graphics, etc. D’autres packages recommandés incluent boot, cluster, survival, MASS, etc.
En plus, environ 4 000 packages sont disponibles sur CRAN, développés par la communauté mondiale, ainsi que des packages spécifiques au projet Bioconductor pour la bioinformatique.
L’interface de base de R est simple et rudimentaire. RStudio est un environnement de développement intégré (IDE) libre et gratuit qui facilite grandement l’utilisation de R.
RStudio est en développement actif avec des mises à jour régulières. Son principal inconvénient est que son interface est uniquement en anglais.
La communauté R est très dynamique et offre de nombreuses ressources :
Pour installer R et RStudio :