Corrélations selon le sexe

Comme vous l'avez vu dans un exercice précédent, la corrélation entre l'age et le shellWeight des ormeaux était assez forte, avec r de Pearson = 0,63. Calculez de nouveau cette corrélation pour chaque sex : "I" pour les juvéniles immatures, "F" pour les femelles adultes et "M" pour les mâles adultes.

Pour quel sex la corrélation entre age et shellWeight est-elle la plus élevée?

Le jeu de données abaloneKeep ainsi que les packages dplyr et psych ont été chargés pour vous.

Cette activité fait partie du cours

R pour les utilisateurs et utilisatrices de SAS

Exercice interactif pratique

Passez de la théorie à l’action grâce à l’un de nos exercices interactifs

Commencer l’exercice

Cette activité fait partie du cours

R pour les utilisateurs et utilisatrices de SAS

SkillTag.level.beginnerSkillTag.label

4.8+

Commencer le cours gratuitement

Ce premier chapitre vous aidera à vous orienter dans l'environnement de programmation R. Vous apprendrez comment obtenir de l'aide, charger un jeu de données et augmenter les fonctionnalités en ajoutant des packages. Vous commencerez à travailler avec le jeu de données abalone (au moyen du flux de travail de dplyr) pour obtenir des statistiques descriptives et créer des visualisations utiles (avec le package ggplot2).

Exercise 1: Obtenir de l'aide et charger des données dans R Exercise 2: Obtenir de l'aide Exercise 3: Charger l'ensemble de données et obtenir des détails Exercise 4: Ajouter des fonctionnalités avec des packages Exercise 5: Contenu du jeu de données et statistiques descriptives Exercise 6: Charger un jeu de données externe Exercise 7: Contenu du jeu de données Exercise 8: Statistiques descriptives Exercise 9: Visualisations graphiques Exercise 10: Histogrammes Exercise 11: Boîtes à moustaches et violons Exercise 12: Nuages de points

Maintenant que vous êtes à l'aise dans l'environnement R, ce chapitre approfondira votre compréhension de la polyvalence de R avec les objets de données. Vous apprendrez à créer et modifier des variables dans le jeu de données abalone. En mettant à profit vos compétences de visualisation avec ggplot2, vous repérerez les erreurs dans les données abalone, puis vous créerez un jeu de données final nettoyé, prêt pour l'analyse et la modélisation.

Exercise 1: Objets – les éléments de base de R Exercise 2: Créer des objets de données en R Exercise 3: Créer des types d'objets composites Exercise 4: Sélectionner des éléments à partir d'objets Exercise 5: Déterminer les types de variables Exercise 6: Sélectionner des éléments dans des objets Exercise 7: Manipuler des ensembles de données et des objets de données Exercise 8: Créer de nouvelles variables Exercise 9: Recoder des variables Exercise 10: Conversion de type d'objet Exercise 11: Qualité des données et nettoyage Exercise 12: Inspection des variables Exercise 13: Poids illogiques Exercise 14: Vérifier les mesures dimensionnelles Exercise 15: Vérifier l'ensemble de données final

Une fois votre jeu de données nettoyé, l'étape suivante est l'exploration. Dans le chapitre 3, vous apprendrez à calculer des statistiques descriptives, à explorer les associations (p. ex., corrélations) entre les variables et à effectuer des tests statistiques bivariés (p. ex., tests t et khi carré). Vous créerez aussi des visualisations graphiques illustrant les associations bivariées et les tests de comparaison de groupes.

Exercise 1: Analyse exploratoire des données Exercise 2: Statistiques descriptives et masquage de fonctions Exercise 3: Statistiques précises pour une ou plusieurs variables Exercise 4: Statistiques sommaires par groupe Exercise 5: Corrélations et tests t Exercise 6: Corrélations bivariées Exercise 7: Nuages de points Exercise 8: Corrélations selon le sexe

Exercice en cours

Exercise 9: Tests pour deux groupes Exercise 10: Données catégorielles : analyser et visualiser Exercise 11: Tests du khi carré Exercise 12: Graphiques en mosaïque Exercise 13: Catégories d'âge par catégories de poids de coquille

Dans ce dernier chapitre, vous apprendrez à travailler avec l'un des types d'objets de données les plus polyvalents de R, appelé liste. Ces compétences vous permettront d'enregistrer et de manipuler vos résultats provenant des statistiques descriptives, des associations et des comparaisons de groupes. Vous apprendrez aussi à effectuer une ANOVA (analyse de la variance) et une régression linéaire dans R. Vous mobiliserez toutes vos compétences dans les exercices finaux pour créer les meilleurs modèles de prédiction de l'âge des abalones à partir de leur sexe, de leurs mesures de taille et de poids.

Exercise 1: Travailler avec les objets de sortie Exercise 2: Sortie des statistiques descriptives Exercise 3: Résumer la sortie Exercise 4: Sortie de group_by Exercise 5: Travailler avec les listes Exercise 6: Sortie de Hmisc describe Exercise 7: Sortie des corrélations Exercise 8: Résultats des tests t Exercise 9: Sortie des tests du khi carré Exercise 10: ANOVA et modèles linéaires Exercise 11: ANOVA Exercise 12: Régression linéaire Exercise 13: Évaluation finale des modèles Exercise 14: Prédicteurs de l'âge des ormeaux Exercise 15: Meilleur modèle selon le sexe Exercise 16: Résumé du cours et recommandations