Test du module R - Novembre 2018

Exercice I.

On commence par un petit exercice pour se rappeler des commandes statistiques de base :

mode(note)

[1] "numeric"

sort(note, decreasing = TRUE)

[1] 10  8  6  5  4  2  1

min(note)

[1] 1

max(note)

[1] 10

mean(note)

[1] 5.142857

median(note)

[1] 5

var(note)

[1] 10.14286

sd(note)

[1] 3.184785

summary(note)

   Min. 1st Qu.  Median    Mean 3rd Qu.    Max. 
  1.000   3.000   5.000   5.143   7.000  10.000 

Exercice II.

On considère la base de données iris. Ecrivez sur votre copie la première ligne.

iris

dim(iris)

[1] 150   5

names(iris)

[1] "Sepal.Length" "Sepal.Width"  "Petal.Length" "Petal.Width"  "Species"     

Ecrivez sur votre copie la dernière ligne où il y a Levels

iris$Species 

  [1] setosa     setosa     setosa     setosa     setosa     setosa     setosa     setosa     setosa     setosa     setosa     setosa     setosa    
 [14] setosa     setosa     setosa     setosa     setosa     setosa     setosa     setosa     setosa     setosa     setosa     setosa     setosa    
 [27] setosa     setosa     setosa     setosa     setosa     setosa     setosa     setosa     setosa     setosa     setosa     setosa     setosa    
 [40] setosa     setosa     setosa     setosa     setosa     setosa     setosa     setosa     setosa     setosa     setosa     versicolor versicolor
 [53] versicolor versicolor versicolor versicolor versicolor versicolor versicolor versicolor versicolor versicolor versicolor versicolor versicolor
 [66] versicolor versicolor versicolor versicolor versicolor versicolor versicolor versicolor versicolor versicolor versicolor versicolor versicolor
 [79] versicolor versicolor versicolor versicolor versicolor versicolor versicolor versicolor versicolor versicolor versicolor versicolor versicolor
 [92] versicolor versicolor versicolor versicolor versicolor versicolor versicolor versicolor versicolor virginica  virginica  virginica  virginica 
[105] virginica  virginica  virginica  virginica  virginica  virginica  virginica  virginica  virginica  virginica  virginica  virginica  virginica 
[118] virginica  virginica  virginica  virginica  virginica  virginica  virginica  virginica  virginica  virginica  virginica  virginica  virginica 
[131] virginica  virginica  virginica  virginica  virginica  virginica  virginica  virginica  virginica  virginica  virginica  virginica  virginica 
[144] virginica  virginica  virginica  virginica  virginica  virginica  virginica 
Levels: setosa versicolor virginica

Ecrivez les 5 premiers éléments

iris$Petal.Length

  [1] 1.4 1.4 1.3 1.5 1.4 1.7 1.4 1.5 1.4 1.5 1.5 1.6 1.4 1.1 1.2 1.5 1.3 1.4 1.7 1.5 1.7 1.5 1.0 1.7 1.9 1.6 1.6 1.5 1.4 1.6 1.6 1.5 1.5 1.4 1.5 1.2
 [37] 1.3 1.4 1.3 1.5 1.3 1.3 1.3 1.6 1.9 1.4 1.6 1.4 1.5 1.4 4.7 4.5 4.9 4.0 4.6 4.5 4.7 3.3 4.6 3.9 3.5 4.2 4.0 4.7 3.6 4.4 4.5 4.1 4.5 3.9 4.8 4.0
 [73] 4.9 4.7 4.3 4.4 4.8 5.0 4.5 3.5 3.8 3.7 3.9 5.1 4.5 4.5 4.7 4.4 4.1 4.0 4.4 4.6 4.0 3.3 4.2 4.2 4.2 4.3 3.0 4.1 6.0 5.1 5.9 5.6 5.8 6.6 4.5 6.3
[109] 5.8 6.1 5.1 5.3 5.5 5.0 5.1 5.3 5.5 6.7 6.9 5.0 5.7 4.9 6.7 4.9 5.7 6.0 4.8 4.9 5.6 5.8 6.1 6.4 5.6 5.1 5.6 6.1 5.6 5.5 4.8 5.4 5.6 5.1 5.1 5.9
[145] 5.7 5.2 5.0 5.2 5.4 5.1

levels(iris$Species)

[1] "setosa"     "versicolor" "virginica" 

summary(iris$Species)

    setosa versicolor  virginica 
        50         50         50 

pie(table(iris$Species))

barplot(table(iris$Species))

library(ggplot2)
p <- ggplot(iris, aes(iris$Species)) 
p

p <- p + geom_bar(aes(fill=iris$Species)) 
p

p <- p + scale_fill_brewer(palette="Reds")
p

p <- p + coord_polar(theta="x", direction=1)
p

boxplot(iris$Petal.Length ~ iris$Species)

ggplot(data=iris, aes(x=iris$Species, y=iris$Petal.Length)) + geom_boxplot()

Exercice III.

Le calcul du Mode :

MonVecteur <- c(1,2,3,2,3,1,2,1,2,2,2,4,5)
MonVecteur

 [1] 1 2 3 2 3 1 2 1 2 2 2 4 5

print(unique(MonVecteur))

[1] 1 2 3 4 5

ux <- unique(MonVecteur)
print(match(MonVecteur, ux))

 [1] 1 2 3 2 3 1 2 1 2 2 2 4 5

print(tabulate(match(MonVecteur, ux)))

[1] 3 6 2 1 1

which.max(tabulate(match(MonVecteur, ux)))

[1] 2

ux[2]

[1] 2

Mode <- function(MonVecteur) {
             ux <- unique(MonVecteur)
             ux[which.max(tabulate(match(MonVecteur, ux)))]
}
Mode(MonVecteur)

[1] 2

On peut s’amuser à écrire la fonction unique ou la fonction match. Idem pour la fonction which.max. Mais le principe est de compter les fréquences des valeurs, puis d’en garder celle qui a une fréquence maximale.

MonMode <- function(MonVecteur){
  a <- unique(MonVecteur)
  M <- NULL
  for (i in a) if (sum(MonVecteur==i) >= sum(MonVecteur==M))
    M <- i
  M
}
Mode(c(1,1,1,3,3,3,3,4,4,4,4,4,4))

[1] 4

as.numeric(labels(which.max(table(c(1,1,1,3,3,3,3,4,4,4,4,4,4)))))

[1] 4

#install.packages("modeest")
library(modeest)

This is package 'modeest' written by P. PONCET.
For a complete list of functions, use 'library(help = "modeest")' or 'help.start()'.

mlv(MonVecteur, method = "mfv")

Mode (most likely value): 2 
Bickel's modal skewness: 0.07692308 
Call: mlv.default(x = MonVecteur, method = "mfv") 

Ceci est la correction du test.

2+3

[1] 5

Bonjour, je m’appelle Ines

print("Hello Ines")

[1] "Hello Ines"