Corrélations selon le sexe

Comme vous l’avez vu dans un exercice précédent, la corrélation entre l’age de l’abalone et le shellWeight était assez forte avec r de Pearson = 0,63. Calculez à nouveau cette corrélation pour chaque sex : "I" pour les individus 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.

Cet exercice fait partie du cours

<cours>R pour les utilisateurs de SAS</cours>

Exercice interactif pratique

Transformez la théorie en action avec l’un de nos exercices interactifs

Commencer l’exercice

Cet exercice fait partie du cours

<cours>R pour les utilisateurs de SAS</cours>

DébutantNiveau de compétence

4.8+

Commencer le cours gratuitement

Ce premier chapitre vous familiarise avec l’environnement de programmation R. Vous apprendrez à obtenir de l’aide, charger un jeu de données et étendre les fonctionnalités en ajoutant des packages. Vous commencerez à travailler avec le jeu de données abalone (via le flux de travail du package 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 un jeu de données et obtenir des informations 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 avez pris vos repères dans l’environnement R, ce chapitre approfondit votre compréhension de la polyvalence de R pour travailler avec des objets de données. Vous apprendrez à créer et modifier des variables dans le jeu de données abalone. En mobilisant vos compétences de visualisation avec ggplot2, vous mettrez en évidence les erreurs présentes 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 dans 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 jeux 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 le jeu 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, explorer les associations (par exemple, corrélations) entre variables et réaliser des tests statistiques bivariés (par exemple, tests t et tests du chi carré). Vous créerez également 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 spécifiques pour une ou plusieurs variables Exercise 4: Statistiques récapitulatives par groupe Exercise 5: Corrélations et tests t Exercise 6: Corrélations bivariées Exercise 7: Nuages de points Exercise 8: Corrélations selon le sexe

Exercice actuel

Exercise 9: Tests pour deux groupes Exercise 10: Données catégorielles : analyser et visualiser Exercise 11: Tests du chi carré Exercise 12: Graphiques mosaïque Exercise 13: Catégories d’âge selon les 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 : la liste. Ces compétences vous permettront d’enregistrer et de manipuler vos résultats issus 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 mettrez toutes vos compétences en pratique dans les exercices finaux pour créer les meilleurs modèles de prédiction de l’âge des abalones à partir de leur sexe, de leur taille et de leurs mesures de poids.

Exercise 1: Manipuler 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: Résultats des corrélations Exercise 8: Résultats des t-tests Exercise 9: Sorties des tests du chi 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 abalones Exercise 15: Meilleur modèle selon le sexe Exercise 16: Résumé du cours et recommandations