#SÉANCE PRATIQUE DE R*********************************************************** #Si le texte n'est pas bien affiche allez-sur File>Reopen With Encoding et #choissisez UTF-8 ou Windows-1252 #Partie 3_______________________________________________________________________ #3.1. Histogramme avec courbe normale x.bar <- mean(conc.as) s.x <- sd(conc.as) hist(conc.as, breaks=8, prob=TRUE, freq=FALSE, xlab="Concentration d'arsenic (ug/45 g)", xlim=c(0, 12), ylab="Densité", ylim=c(0, 0.3), main="", col="grey") curve(dnorm(x, mean=x.bar, sd=s.x), col="red", lwd=2, add=TRUE, yaxt="n") #3.2. Détermination de la cote Z de chaque donnée #3.3. Ajouter la colonne Zscore aux données de FDAdata #3.4. Nouvel histogramme avec données centrés hist(cote.z, breaks=10, prob=TRUE, freq=FALSE, xlab="Concentration d'arsenic (ug/45 g)", xlim=c(-4, 4), ylab="Densité", ylim=c(0, 0.5), main="", col="grey") curve(dnorm(x, mean=w.bar, sd=s.w), col="red", lwd=2, add=TRUE, yaxt="n") #3.4. Test de normalité #3.5. Pour faire diagrammes quantiles-quantiles #3.6. Diagrammes quantiles-quantiles amélioré qqPlot(conc.as, ylim = c(0,12), xlab = paste("Quantiles de la loi normale réduite"), ylab = paste("Quantiles de l'échantillon")) #3.7. Test de Grubbs #3.8. Test F #3.9. Test t de Student #3.10. Intervalle de confiance à 95% #EXERCICE 1****************************************************************** # 1. Créez un tableau de données en R avec les données de N2 obtenus par #Lord Rayleigh en utilisant 2 colonnes: Origine et Masse.g # 2. Faites un diagramme de boîtes de moustache avec les données. # 3. Faites un test F et un test t de Student avec ces données. #EXERCICE 2*********************************************************************** #À l'aide des données des meilleurs temps dans le sprint de 100 mètres durant #les Olympiades depuis 1896 (fichier: Gold100m.csv) prédisez, en utilisant un #modèle linéaire, quand les femmes vont dépasser les hommes dans cette épreuve.