Contexte

La visualisation de données est une étape essentielle de l'analyse mais également de la communication de résultats. Cette formation donne des clés pour la manipulation et l'analyse de données (modèle linéaire) à l'aide du logiciel R, la production de graphiques de qualité, et l'interprétation des résultats.

Objectifs

Manipulation :
- Importer un jeu de données dans R
- Filtrer les données
- Calculer des résumés statistiques par groupes
- Représenter les données sous forme pertinente (histogramme, boites à moustache, carte...)
- Personnaliser les représentations pour en extraire le maximum d'information
Modélisation et analyse :
- Comprendre les composantes d'un modèle linéaire et les tests classiques
- Estimer le modèle à l'aide du logiciel R
- Interpréter les sorties du logiciel et en tirer des conclusions

Programme

Après un bref historique du logiciel R, nous allons découvrir les fonctionnalités récentes offertes par les derniers développements. En effet la manipulation de données a été grandement optimisée et simplifiée avec l'arrivée de la suite de packages du tidyverse.

Cette formation propose à des débutants dans l'utilisation de R de prendre immédiatement en main ces outils modernes de manipulation de données.

Pour tirer un profit maximal, nous verrons aussi comment produire des graphiques pertinents pour présenter des données ou des résultats d'analyse en utilisant les outils modernes de la production graphique (ggplot).

Motivés par des illustrations, nous proposerons d'étudier différents modèles linéaires correspondant à des situations d'analyse classique (régression et analyse de variance).

Responsable(s)

Marie-Pierre ETIENNE

Public concerné

Aucune connaissance préalable du logiciel R n'est requise, ce module est ouvert aux débutants qui souhaitent se former à l'utilisation moderne du logiciel R. Il peut également intéresser les praticiens de R qui souhaiteraient s'adapter au développement du tidyverse, des graphiques avec ggplot, acquérir un niveau d'expertise dans la bonne utilisation des modèles de régressions.