1 Exploration du jeu de données mtcars (data(mtcars))

1.1 Description

Les données ont été extraites du magazine américain Motor Trend de 1974 et comprennent la consommation de carburant ainsi que 10 aspects de la conception et des performances automobiles pour 32 voitures (modèles de 1973-74).

1.2 Format

Un fichier de données “mtcars” avec 32 observations et 11 variables:

Variable description
mpg Miles/(US) gallon (variable quantitative)
cyl Nombre de cylindres (variable qualitative)
disp Déplacement (po³) (variable quantitative)
hp Puissance brute (variable quantitative)
drat Rapport de pont arrière (variable quantitative)
wt Poids (1000 livres) (variable quantitative)
qsec Temps pour parcourir un quart de mile (variable quantitative)
vs V/S (variable qualitative)
am Transmission (0 = automatique, 1 = manuelle) (variable qualitative)
gear Nombre de vitesses avant (variable qualitative)
carb Nombre de carburateurs (variable qualitative)

Note : voir 1

Data_R_capture

1.3 Source

Pour plus d’information voir https://stat.ethz.ch/R-manual/R-devel/library/datasets/html/mtcars.html.

Un article sur le sujet a été publié dans (Vellman_1981?)

2 Statistiques descriptives

On souhaite résumer les données à l’aide de la fonction summary() de RStudio, qui permet de présenter les paramètres statistiques pour les variables quantitatives tels que la moyenne, la médiane et les quartiles, ainsi d’une description des variables qualitatives (nombre de niveaux, etc.).

ATTENTION : Les variables qualitatives sont presentées sous formes de chiffres. On doit les transformer en facteur avec le code suivant :

# Liste des variables que vous souhaitez convertir en facteur
variables_a_convertir <- c( "cyl",  "am"  ,"gear", "carb")

# Utilisez lapply pour appliquer la conversion à chaque variable
mtcars[, variables_a_convertir] <- lapply(mtcars[, variables_a_convertir], as.factor)

2.1 Rappel : Moyenne et variance

Paramètre Fonction Rstudio Formule
Moyenne mean(x) \(\bar{x}=\frac{1}{n}\sum_i^nx_i\)
Variance var(x) \(\hat{\sigma}^2 =\frac{1}{n}\sum_i^n(x_i-\bar{x})^2\)
Résumé des données (continued below)
mpg cyl disp hp drat
Min. :10.40 4:11 Min. : 71.1 Min. : 52.0 Min. :2.760
1st Qu.:15.43 6: 7 1st Qu.:120.8 1st Qu.: 96.5 1st Qu.:3.080
Median :19.20 8:14 Median :196.3 Median :123.0 Median :3.695
Mean :20.09 NA Mean :230.7 Mean :146.7 Mean :3.597
3rd Qu.:22.80 NA 3rd Qu.:326.0 3rd Qu.:180.0 3rd Qu.:3.920
Max. :33.90 NA Max. :472.0 Max. :335.0 Max. :4.930
wt qsec vs am gear carb
Min. :1.513 Min. :14.50 Min. :0.0000 0:19 3:15 1: 7
1st Qu.:2.581 1st Qu.:16.89 1st Qu.:0.0000 1:13 4:12 2:10
Median :3.325 Median :17.71 Median :0.0000 NA 5: 5 3: 3
Mean :3.217 Mean :17.85 Mean :0.4375 NA NA 4:10
3rd Qu.:3.610 3rd Qu.:18.90 3rd Qu.:1.0000 NA NA 6: 1
Max. :5.424 Max. :22.90 Max. :1.0000 NA NA 8: 1

2.2 Boxplot

Dans cette section, nous souhaitons présenter un graphique en boîte à moustaches (boxplot) de la variable mpg en fonction de cyl. Les boxplots sont groupés suivants la variable gear en utilisant différentes couleurs.

2.3 Lissage

On souhaite étudier la relation linéaire entre les variables mpg et wt en fonction du nombre de cylindres cyl (couleur à changer selon le nombre cyl) en utilisant une figure de lissage (smooth). Les résultats obtenus sont les suivants :

3 Références


  1. Henderson et Velleman (1981) commentaire en note de bas de page de la Table 1 : ‘Hocking [original transcriber]’s noncrucial coding of the Mazda’s rotary engine as a straight six-cylinder engine and the Porsche’s flat engine as a V engine, as well as the inclusion of the diesel Mercedes 240D, have been retained to enable direct comparisons to be made with previous analyses.’↩︎