Dans ce chapitre, vous apprendrez à créer des synthèses graphiques et numériques de deux variables catégorielles.

Explorer des données catégorielles

À quoi s’attendre avec un diagramme en barres

Rappel : tableau de contingence

Supprimer des niveaux

Diagrammes en barres côte à côte

Interprétation d’un diagramme en barres

Comptages vs proportions

Proportions conditionnelles

Effectifs vs proportions (2)

Distribution d’une variable

Diagramme en barres marginal

Diagramme en barres conditionnel

Améliorer le diagramme circulaire

Dans ce chapitre, vous apprendrez à résumer graphiquement des données numériques.

Explorer des données numériques

Histogramme avec facettes

Boîtes à moustaches et courbes de densité

Comparer des distributions à l’aide de graphiques

Histogrammes marginaux et conditionnels

Interprétation d’histogrammes marginaux et conditionnels

Trois largeurs de classes

Interpréter trois largeurs de classe

Boîtes à moustaches

Diagrammes en boîtes pour détecter les valeurs aberrantes

Choix du graphique

Visualisation en dimension supérieure

Graphique à 3 variables

Interpréter un graphique à 3 variables

Après avoir exploré des données catégorielles et numériques, vous découvrirez des statistiques utiles pour décrire des distributions de données.

Mesures de tendance centrale

Choix de la mesure de tendance centrale

Calculer des mesures de tendance centrale

Mesures de variabilité

Choix de la mesure de dispersion

Calculer des mesures de dispersion

Choisir des mesures de tendance centrale et de dispersion

Forme et transformations

Décrire la forme

Transformations

Valeurs aberrantes

Identifier les valeurs aberrantes

Synthèses numériques

Mettez en pratique ce que vous avez appris pour explorer et résumer un jeu de données réel dans cette étude de cas sur le spam par e‑mail.

Présentation des données

Spam et num_char

Interprétation du spam et de num_char

Spam et !!!

Spam et interprétation de !!!

Point d’étape 1

Regrouper des modalités

Interprétation : images et spam

Intégrité des données

Répondre à des questions avec des enchaînements

Point d’étape 2

Que vaut un nombre ?

Que révèle vraiment un nombre ?

Conclusion

Étude de cas

Cars data

Comics data

Immigration data

Raw life expectancy data

Names data

Raw U.S. income data

Lorsqu’un jeu de données est présenté sous forme de tableau ou de base de données, il est difficile d’en percevoir autre chose que sa taille et les types de variables qu’il contient. Dans ce cours, vous apprendrez à utiliser des techniques graphiques et numériques pour commencer à dévoiler la structure de vos données. Quelles variables suggèrent des relations intéressantes ? Quelles observations sont atypiques ? À la fin du cours, vous saurez répondre à ces questions et bien plus encore, tout en produisant des graphiques à la fois pertinents et esthétiques.

Introduction to Statistics in R

Introduction to Data Visualization with ggplot2

Apprenez à utiliser des techniques graphiques et numériques pour analyser des données et créer de beaux graphiques avec R.

Analyse exploratoire des données en R

Apprenez à utiliser des techniques graphiques et numériques pour commencer à découvrir la structure de vos données.

Scientifique de données associé en R

Analyste de données  en R

Que révèle vraiment un nombre ?

Analyse exploratoire des données en R

Exercice interactif pratique