R Tutorial For Beginners. Obtaining R R is available for Linux, MacOS, and Windows.
Aide mémoire R. Cours Programmation R. R est à la fois un logiciel de statistique et un langage de programmation.
R est un logiciel de traitement statistique des données. Il fonctionne sous la forme d'un interpréteur de commandes. Il dispose d'une bibliothèque très large de fonctions statistiques, d'autant plus large qu'il est possible d'en intégrer de nouvelles par le système des "packages", des modules externes compilés (sous forme de DLL sous Windows) que l'on peut télécharger gratuitement sur internet. Syntaxe ESS. RStudio en ligne. ExploratR. Description Outil interactif d'exploration statistique uni- bi- tri- et multi-variée avec R.
License GNU AFFERO GENERAL PUBLIC LICENSE v3 Citation. R FAQ. R site search. Introduction au langage R. Site pédagogique R. Dans ce site, on retrouve les codes du livre Statistiques en sciences humaines avec R de Jean-Herman Guay (Presses de l'Université Laval, Québec, 2012 et 2014; Éditions de Boeck, Bruxelles, 2014) et une série de pages utiles pour ceux et celles qui veulent aller plus loin.
Les codes récapitulatifs (CR) sont transposables dans R (ou RStudio) par un simple copier/coller. Normalement, le résultat devrait être identique à ce qu'on retrouve dans le livre. Le code est récapitulatif dans la mesure où il reprend chaque fois toutes les étapes : 1) importation de la base de données; 2) transformation des variables et 3) production de tableaux ou graphiques. En ce sens, chaque CR est autonome. Dit autrement, ils sont autant de petites «recettes» que vous pourrez personnaliser en fonction de vos données. Il importe d'avoir la version la plus récente de R pour que les packages fonctionnent correctement. Table des matières du livre Chapitre 1: les méthodes quantitatives. Statistiques et logiciel R. Analyse d'enquête avec R. Contributeurs Par ordre alphabétique : Julien Barnier, Julien Biaudet, François Briatte, Milan Bouchet-Valat, Ewen Gallic, Frédérique Giraud, Joël Gombin, Mayeul Kauffmann, Christophe Lalanne, Joseph Larmarange, Nicolas Robette.
Slack Grrr. F. Husson. Here are some packages in which I am involved.
FactoMineR : package dedicated to exploratory multivariate data analysis (PCA, Correspondence Analysis, MCA, MFA, clustering, etc.).missMDA : package that handles missing values in exploratory data analysis methods ((PCA, Correspondence Analysis, MCA, MFA) and that allows to perform multiple imputationFactoshiny : package providing a FactoMineR graphical interface that allows you to modify graphics interactively.FactoInvestigate : package proposing an interpretation of the results of a PCA, CA, or MCA obtained via FactoMineR.RcmdrPlugin.FactoMineR : package providing a drop-down menu of FactoMineR via the Rcmdr interface.SensoMineR : package dedicated to the analysis of sensory data. It allows to describe products from a one-dimensional or multi-dimensional point of view, to evaluate the performance of a panel, to preference mapping, to process data collected by napping or categorization, etc.
Tableau Croisé. Si l'on regarde les options par défaut, les statistiques descriptives ne semblent pas être le point fort de R.
Cela semble à première vue très minimal et peu pratique. Mais en fouillant bien, on se rend compte que l'on peut faire pas mal de choses et que certaines options peuvent s'avérer très pratiques. Voyons le cas à partir de quelques exemples. Travaillons toujours à partir de l'article de François Héran sur la possession de chiens et de chats (cf.
Régression logistique binaire, multinomiale et ordinale. La régression logistique est fréquemment utilisée en sciences sociales car elle permet d’effectuer un raisonnement dit toutes choses étant égales par ailleurs. Plus précisément, la régression logistique a pour but d’isoler les effets de chaque variable, c’est-à-dire d’identifier les effets résiduels d’une variable explicative sur une variable d’intérêt , une fois pris en compte les autres variables explicatives introduites dans le modèle. Visualisation d’ACP et d’ACM. Explor est un package récent pour R dont l’objectif est de faciliter la visualisation et l’exploration de résultats d’analyses en composantes principales (ACP) ou d’analyses des correspondances (ACM).
Son utilisation est très simple : vous effectuez votre analyse à l’aide des fonctions dont vous avez l’habitude (actuellement sont supportées les fonctions des packages ade4 et FactoMineR) et vous appliquez simplement la fonction explor() à l’objet résultat. Voici un exemple très simple reprenant un jeu de données de FactoMineR : library(FactoMineR) library(explor) data(hobbies) res.mca <- MCA(hobbies,quali.sup=19:22,quanti.sup=23) explor(res.mca) Une interface devrait alors se lancer (dans RStudio si vous utilisez cet environnement, sinon dans votre navigateur Web) et qui devrait ressembler vaguement à ceci : L’interface présente plusieurs fonctionnalités “interactives” :
Introduction au Tidyverse. Ce document est une introduction à l’utilisation du logiciel libre de traitement de données et d’analyse statistique R. Il se veut le plus accessible possible, y compris pour ceux qui ne sont pas particulièrement familiers avec l’informatique. Il se base à la fois sur les fonctionnalités de R “de base”, et sur une série d’extensions de plus en plus populaires regroupées sous l’appellation tidyverse.