Charabia

library(readxl)

## Warning: le package 'readxl' a été compilé avec la version R 4.2.3

dataset <- read_excel("C://Users//Elève//Desktop//fac//Stage//dataset.xlsx")

GENRE

dataset$genre <- factor(dataset$genre,
                     levels = c(1, 0, 2), 
                     labels = c("Femme", "Homme", "Autre"))

genre_distribution <- table(dataset$genre)
print(genre_distribution)

## 
## Femme Homme Autre 
##    98    18     1

barplot(genre_distribution, main = "Distribution des genres", col = c("red", "green", "purple"), ylim = c(0, max(genre_distribution) + 10))

NAIVETE EN FONCTION DU GENRE

dataset$`Score dichotomique de naiveté` <- factor(dataset$`Score dichotomique de naiveté`,
                     levels = c(1, 0), 
                     labels = c("naïf", "non-naïf"))

naivete_by_genre <- table(dataset$genre, dataset$`Score dichotomique de naiveté`)
print(naivete_by_genre)

##        
##         naïf non-naïf
##   Femme   60       38
##   Homme    8       10
##   Autre    1        0

HO : Le genre et la naïveté sont associés H1 : Le genre et la naïveté ne sont pas associés

chi_squared_test <- chisq.test(naivete_by_genre)

## Warning in chisq.test(naivete_by_genre): L’approximation du Chi-2 est peut-être
## incorrecte

print(chi_squared_test)

## 
##  Pearson's Chi-squared test
## 
## data:  naivete_by_genre
## X-squared = 2.4714, df = 2, p-value = 0.2906

Ici notre p-value est < à 0.05 : on rejette H0. Il n’y a donc pas d’association significative entre le genre et la naïveté.

LATERALITE

dataset$lateralité <- factor(dataset$lateralité,
                     levels = c(1, 0), 
                     labels = c("droitier", "gaucher"))
lateralite_distribution <- table(dataset$lateralité)
print(lateralite_distribution)

## 
## droitier  gaucher 
##      104        9

barplot(lateralite_distribution, main = "Latéralité", col = c("blue", "red"), ylim = c(0, max(lateralite_distribution) + 10))

NAIVETE ET LATERALITE

naivete_by_lateralite <- table(dataset$lateralité, dataset$`Score dichotomique de naiveté`)
print(naivete_by_lateralite)

##           
##            naïf non-naïf
##   droitier   62       42
##   gaucher     4        5

H0 : La naïveté est associée à la latéralité H1 : La naïveté n’est pas associée à la latéralité

chi_squared_test <- chisq.test(naivete_by_lateralite)

## Warning in chisq.test(naivete_by_lateralite): L’approximation du Chi-2 est peut-
## être incorrecte

print(chi_squared_test)

## 
##  Pearson's Chi-squared test with Yates' continuity correction
## 
## data:  naivete_by_lateralite
## X-squared = 0.28451, df = 1, p-value = 0.5938

Ici notre p-value est > à 0.05 : on rejette H1. Il peut y avoir une association significative entre la latéralité et la naïveté.