DOCAPOSTE INSTITUTE : 10. Les fondamentaux de l'analyse statistique avec R
Organisme
94200 IVRY-SUR-SEINE
Contact
Durée
14 heuresModalités
- Classe virtuelle
- Présentiel
Tout au long et/ou à l’issue de la formation : évaluation des acquis des stagiaires via des exercices, des QCM, des QUIZZ, des mises en situation et/ou des cas pratiques.
Prix
Public
Ingénieurs, Data analysts, statisticiens, développeurs en environnement statistique ou toute personne intéressée par l'analyse statistique avec R
Pré-requis
Être familier avec l'environnement Microsoft Windows et avoir des connaissances de base en statistiques
Objectifs pédagogiques
Savoir installer et utiliser l’environnement d'analyse R
Comprendre comment manipuler des données avec R
Savoir importer et exporter des données
Savoir reconnaître les différents types d'objets de R
Créer des programmes d'analyse avec R
Être en mesure de réaliser des analyses statistiques basiques avec R
Savoir restituer des résultats à l'aide de graphiques
Programme détaillé
R, un langage interprète
- À quoi sert R ? Pour quelle utilisation ?
- L'interpréteur
- Qu'est-ce que cela change pour le développeur R ?
Les structures de base de R
- Les types numériques (double et integer)
- Le type logical (boolean)
- Le type character (string)
- Les valeurs spéciales
- Le type vecteur
L'objet data.frame et import de données
- Lecture avec read.table
- Premières manipulations de données
Introduction au langage vectoriel
- Le vecteur et la matrice
- Accès et manipulation vectorielle : application aux données
L'objet data.frame et manipulation de données
- Différence avec la matrice
- Manipulations avancées
- Le type Date
Indicateurs statistiques élémentaires
Les listes
Utilisation de R
- Les packages du CRAN : comment s'y retrouver ? Le site rpackages.io
- Une IDE pour R ?
- La communication du code R et la reprise : exemple avec le logiciel RPGM
Les graphiques
- La fonction plot
- Graphiques avancés
- Différence entre les sorties pdf et png en pratique
Manipulation de données
- Ecriture avec write.table
- Le package data.table
Les régressions linéaires
- La fonction lm()
- La fonction glm()