Introduction a lanalyse des statistiques des donnees : travaux

pratiques avec le logiciel R.

Christophe Pallier1 Christophe Lalanne2

25 fevrier 2005

1
www.pallier.org
2
christophe.lalanne.free.fr
 Resume

Ce document est destine a accompagner des travaux pratiques dintroduction a lanalyse des
donnees experimentales avec le logiciel R. Le traitement des memes exemples sous Statistica est
egalement presente.

Ce document est disponible en version pdf et en version html, a partir de ladresse http ://www.pallier.org/ressources
Table des matieres

1 Introduction a R 4

1.1 Installation du systeme de base . . . . . . . . . . . . . . . . . . . . . . . . . . . . 4

1.2 Modules additionnels . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 6

1.3 Interfaces graphiques . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 6

1.4 Documentation . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 7

2 Premiers pas 9

2.1 Entrer des commandes dans la console R . . . . . . . . . . . . . . . . . . . . . . . 9

2.2 Aide en ligne . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 11

2.3 Quitter R . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 12

2.4 Sauvegarder les commandes dans un script . . . . . . . . . . . . . . . . . . . . . . 12

2.5 Sauver les resultats dune analyse . . . . . . . . . . . . . . . . . . . . . . . . . . . 14

2.6 Organisation du travail . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 14

3 Manipulations de base 15

3.1 Objets . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 15

3.2 Acceder aux elements dun vecteur . . . . . . . . . . . . . . . . . . . . . . . . . . 15

3.3 Arrays, listes et data.frames . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 16

3.4 Variables . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 17

3.5 Lire des donnees . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 17

1
4 Statistiques elementaires 19

4.1 Manipulation des distributions de probabilites . . . . . . . . . . . . . . . . . . . . 19

4.1.1 Distributions univariees . . . . . . . . . . . . . . . . . . . . . . . . . . . . 19

4.1.2 Distributions conjointes . . . . . . . . . . . . . . . . . . . . . . . . . . . . 21

4.2 Resumes numeriques et representations graphiques . . . . . . . . . . . . . . . . . 22

4.2.1 Resumes numeriques . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 22

4.2.2 Representations graphiques . . . . . . . . . . . . . . . . . . . . . . . . . . 22

4.3 Definition de fonctions . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 23

5 Tests statistiques 24

5.1 Test du khi-deux . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 24

5.2 Estimation de la moyenne dun groupe . . . . . . . . . . . . . . . . . . . . . . . . 24

5.3 Comparaison de deux groupes . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 25

5.4 Analyse de variance sur un facteur . . . . . . . . . . . . . . . . . . . . . . . . . . 25

5.5 Anova sur deux facteurs . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 25

5.6 Anova sur des protocoles de mesures repetees . . . . . . . . . . . . . . . . . . . . 26

5.7 Regression lineaire . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 26

6 Exemples danalyses de donnees 27

6.1 Dossier sommeil . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 27

6.2 Dossier pedagogie . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 27

6.3 Dossier negligence . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 28

6.4 Dossier family . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 29

6.5 Dossier IO . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 29

A Solutions sous R 31

A.1 Dossier sommeil . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 31

2
 A.2 Dossier pedago . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 31

A.3 Dossier negligence . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 32

A.4 Dossier family . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 32

A.5 Dossier IO . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 32

B Solutions sous Statistica 33

B.1 Dossier Sommeil . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 33

B.2 Dossier Pedago . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 34

B.3 Dossier Negligence . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 35

B.4 Dossier family . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 36

B.5 Dossier IO . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 38

C Prise en main de Statistica 40

C.1 Introduction . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 40

C.2 Organisation des donnees . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 41

C.3 Statistiques descriptives . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 41

C.3.1 Resume numerique . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 41

C.3.2 Remarque . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 42

C.4 Representations graphiques . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 42

C.4.1 Histogrammes . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 42

C.4.2 Botes a moustaches . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 43

C.4.3 Nuages de points en 2D . . . . . . . . . . . . . . . . . . . . . . . . . . . . 43

C.4.4 Remarque . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 44

3
1 Introduction a R

R est un logiciel pour lanalyse statistique des donnees. Il fournit les procedures usuelles (t-
tests, anova, tests non parametriques...) et possede des possibilites graphiques performantes
pour explorer les donnees. Pouvant etre utilise aussi bien en mode interactif quen mode batch,
R est un logiciel libre, dont le code source est disponible et qui peut etre recopie et diffuse
gratuitement. Des versions compilees de R sont disponibles pour Linux, Windows et Mac OS X.

Au moment de la redaction de ce document (Octobre 2004), la version courante de R est la 2.0.

1.1 Installation du systeme de base

Le site principal du logiciel R est www.r-project.org.

Le telechargement de R se fait a partir dun des sites du Comprehensive R archive Network

(CRAN), par exemple cran.cict.fr (cf. Fig. 1.1).

Fig. 1.1 Site de telechargement de R

4
 Fig. 1.2 RGui : linterface graphique de R sous Windows

Installation sous Windows : Le programme dinstallation pour Windows est accessible en

suivant les liens Windows, puis Base. Le nom de ce programme depend de la version, il sagit,
par exemple, de Rw2000.exe pour la version 2.0. Telechargez ce fichier sur votre disque, puis
cliquez-le pour installer le logiciel. Si vous acceptez loption par defaut Create a desktop icon,
une icone representant une lettre R en bleu est ajoutee sur le bureau. Cliquez dessus, pour
voir apparatre la fenetre RGui (R Graphical User Interface, voir figure 1.2)

Installation sous Mandrake Linux : Pour une installation sous Linux, verifiez sil existe un
paquetage rpm adapte a votre distribution et pret a etre installe. Si tel est le cas, telecharger-le
et installez le, en tant quadministrateur, avec la commande rpm -i R*.rpm.

Si vous utilisez Mandrake Linux 10.x, R fait partie de la distribution de base (il est sur les CD),
et il suffit de taper urpmi R-base pour linstaller.

En labsence de binaire precompile, il vous faudra recuperer le code source (R-2.0.0.tar.gz) et

le compiler avec une commande configure && make && make install (en tant quutilisateur
root). Cela ne doit pas poser de probleme mais necessite que les outils de compilation soient
bien installes sur votre systeme (notamment le compilateur fortran g77).

Pour lancer R sous Linux, il suffit de taper R dans un terminal (cf. Fig. 1.3).

5
 Fig. 1.3 R dans un terminal sous Linux

1.2 Modules additionnels

Apres avoir installe le systeme de base, vous pouvez installer des modules supplementaires,
parfois appeles paquetages (packages), qui ajoutent des fonctions a R.

Pour lanalyse des donnees dexperiences, les paquetages car, gregmisc, vcd, psy, multcomp
fournissent des fonctions supplementaires interessantes. Par exemple, multcomp fournit di-
verses procedures pour effectuer des comparaisons multiples (Dunnett, Tukey, Sequen, AVE,
Changepoint, Williams, Marcus, McDermott, Tetrade).

Ces modules sont disponibles sur les sites CRAN dans la section Contributed extension pa-
ckages.

Pour installer un module sous Windows, dans RGui, utiliser le menu Package/Install package
from CRAN (il faut etre connecte a Internet).

Pour installer un module sous Linux, il faut dabord telecharger le fichier package.tar.gz du
CRAN, puis, en tant que root, executer :

R CMD INSTALL package.tar.gz

1.3 Interfaces graphiques

Rest un programme avec lequel on communique en tapant des commandes plutot quen cliquant
dans des menus ou sur des icones.

6
 Fig. 1.4 Linterface Rcommander sous Linux

Il existe cependant des systemes a bases de menu et dicones (des cliquodromes) qui gerent
linteraction avec R, et permettent, plus ou moins, deviter de taper des commandes. Citons,
entre autres, les interfaces graphiques Rcommander (Linux + Windows, cf. figure 1.4), et
SciViews (Windows).

Neanmoins, il nous parat quapprendre les commandes de R permet de mieux comprendre ce

quon fait et autorise finalement plus de flexibilite. Pour ces TPs, nous avons fait le choix de
vous enseigner les rudiments du langage R.

1.4 Documentation

De nos jours, beaucoup de gens trouvent naturel de pouvoir utiliser les logiciels sans lire de
documentation. Si cela est raisonnable pour les logiciels qui realisent des operations assez simples,
cest dangereux avec les logiciels qui effectuent des operations conceptuellement compliquees.

7
Dans le cas de R, qui comprend de nombreuses commandes, il est illusoire denvisager utiliser ce
logiciel sans lire un minimum de documentation. Notre experience est que les premieres heures
danalyse de donnees avec R necessitent de frequents recours aux documentations, mais lorsquon
est devenu a laise, alors il ny a pratiquement plus besoin de sy referer.

Il est donc utile de savoir ou chercher linformation a propos de R.

Pour les debutants, on trouve sur Internet un bon nombre de documents sur R, notamment dans
la section Documentation/Contributed du site www.r-project.org. Mentionnons en particulier :

R pour les debutants par Emmanuel Paradis.

Introduction au systeme R par Yves Brostaux.
le site Statistiques avec R, realise par Vincent Zoonekynd, a ladresse suivante :
http ://zoonek2.free.fr/UNIX/48 R/all.html.
Introduction to analysis of variance with R, (qui bien quinacheve, vous sera sans doute
utile).
Notes on the use of R for psychology experiments and questionnaires par Jonathan Baron and
Yuelin Li.

R possede aussi une documentation officielle, sous forme de fichiers pdf et html, qui est copiee sur
votre disque dur lors de linstallation du logiciel. Dans linterface graphique sous Windows, les
manuels au format pdf sont accessibles dans les menus Help/Manuals. Il est fortement conseille
de parcourir, au minimum, les deux documents An Introduction to R et R Data Import et
Export.

Les manuels sont egalement accessibles sous forme html, dans le menu Help/Html help sous
Windows, et en tapant help.start() sous Linux. Cela ouvre votre navigateur Internet sur une
page web locale qui contient divers liens, entre autres vers ces manuels. Par exemple, le lien
Packages/base liste les commandes de bases de R.

Il existe plusieurs livres publies qui traitent de R. Pour les debutants, les deux livres suivants
peuvent offrir une aide utile :

Introductory statistics with R par Peter Dalgaard edite par Springer-Verlag.

An R and S-plus companion to applied regression par John Fox, edite par Sage publications.

Pour un niveau plus avance :

Modern Applied Statistics with S-PLUS par Venables et Ripley.

Mixed-Effects Models in S and S-PLUS par Pinheiro et Bates

8
2 Premiers pas

Linteraction avec R se fait en tapant des commandes dans la fenetre R Console.

2.1 Entrer des commandes dans la console R

Pour commencer, vous pouvez utiliser R comme une calculatrice. Cliquez dans la fenetre R
Console, puis tapez :

2+3

Le resultat, 5, doit safficher.

Poursuivez avec :

a=5
a+8

RGui doit se presenter comme sur la Figure 2.1 page suivante.

Le principe de R est le suivant : vous entrez une ligne de commande, et quand vous tapez sur
Entree, R lit cette ligne et effectue loperation demandee.

Essayez maintenant les commandes suivantes :

a=1:10
a
b=rnorm(10)
plot(a,b)
plot(a,b,pch=16,col=2)

La commande plot provoque laffichage dune fenetre graphique (Fig. 2.2).

Cliquez a nouveau dans la fenetre R Console, puis tapez :

a=c(3,4,6,7,8,9)
a
length(a)
b=c(alpha,beta)
b
length(b)

9
 Fig. 2.1 De simples additions

La variable a contient un vecteur numerique a six elements.

La variable b contient un vecteur contenant deux chanes de caracteres.

Les concepts de vecteur et de variable sont essentiels dans R. On y reviendra plus tard ; pour le
moment, retenez que :

un vecteur nest rien dautre quun suite ditems qui ont tous le meme type (numerique, chane
de caracteres, ...). Cest lobjet de base dans R.
une variable contient un objet, et permet de le retrouver sans le re-ecrire en entier.

Comme on la deja vu, la liste des variables peut etre affichee par ls()., et un variable peut
etre detruite par la commande rm(nom).

Entrez les commandes suivantes, pas a pas, et observez le resultats :

a=rnorm(20,mean=55,sd=10)
mean(a)
sd(a)
max(a)
summary(a)
hist(a)
boxplot(a)

10
 Fig. 2.2 Fenetre graphique

stripchart(a)
stripchart(a,pch=16,cex=2,col=2,method=jitter,vertical=T)

x1=rnorm(10,mean=100,sd=10)
x2=rnorm(10,mean=110,sd=10)
boxplot(x1,x2)
t.test(x1,x2)
plot(x1,x2)
summary(lm(x2~x1)

2.2 Aide en ligne

A tout moment, une aide en ligne est disponible a laide de la commande help.search(mot cle).
La description detaillee dune commande sobtient en tapant ?nom de la commande.

Essayez :

?t.test
help.search("test")
help.start()

11
2.3 Quitter R

La fenetre R Console etant active, selectionnez File/Exit et repondez Oui a la question

Save workspace image ?

Et voila...

Tout votre travail est-il perdu ?

Non. Redemarrez R, et remarquez la ligne :

[Previously saved workspace restored]

Tapez ls() et constatez que vos variables sont toujours la.

Le workspace (espace de travail), cest a dire lensemble des variables, a ete sauvegarde sur
le disque. Cela permet de reprendre une analyse de donnees au point ou on la laissee quand on
a quitte R.

Si vous voulez nettoyer le workspace, cest a dire supprimer toutes les variables quil contient,
tapez la commande rm(list=ls()).

Il est possible de choisir le nom de fichier ou est sauvegarde le workspace (par defaut .RData).
Cela permet de faire plusieurs analyses independantes sans les melanger. (Voir les menus File/Load
workspace/ Save Workspace). Une alternative plus recommandee et de creer un dossier pour
chaque analyse de donnees independantes.

2.4 Sauvegarder les commandes dans un script

Tapez la commande history(). Une fenetre saffiche listant les dernieres commandes que vous
avez tapees (voir figure 2.3 page suivante).

La maniere la plus efficace de travailler avec R consiste a sauvegarder les commandes au fur et
a mesure dans un fichier texte. Pour cela, en parallele avec R, ouvrez un editeur de fichier texte
(le plus simple dentre eux, bien quil soit tres limite, est le bloc-notes de Windows disponible
dans les accessoires).1

En utilisant le copier/coller, copier dans le fichier texte les commandes qui font lessentiel de
lanalyse. A la fin de votre session de travail, sauvez ce fichier avec un nom explicite (par exemple
le nom de lexperience) et une extension .R.
1
Pour ceux qui emploient lediteur Emacs, il existe un package appele ESS qui fournit la colorisation syntaxique
des commandes R, et plein dautres fonctions utiles (voir stats.ethz.ch/ESS.

12
 Fig. 2.3 Historique des commandes affiche par history()

Quand vous reprendrez cette analyse quelques jours ou mois plus tard, vous pourrez reutiliser ce
fichier, quon appelle habituellement un script. R vous permettra de re-executer les commandes
de ce script en utilisant la commande source.

Faites un essai : creez un fichier qui contient les lignes suivantes :

a=rnorm(100)
b=rnorm(100)
summary(a)
summary(b)
cor.test(a,b)

Sauvez-le dans Mes documents, sous le nom test.R.

Dans R, utilisez le menu File/Change Dir pour aller dans Mes Documents. Puis tapez :

source(test.R,echo=T)

Verifiez que cela marche.

13
Sous Linux, il nest pas necessaire de demarrer R : on peut entrer R BATCH script.R sur une
ligne de commande dans un terminal et les resultats sont ecrits automatiquement dans le fichier
script.Rout.

2.5 Sauver les resultats dune analyse

Les commandes et les resultats des analyses statistiques et les graphiques peuvent etre copies/colles
dans un document.

Les resultats (sans les commandes) peuvent etre copies automatiquement dans un fichier texte
grace a sink. Tapez :

sink(monanalyse.txt,split=T)
a=1:10
mean(a)
summary(a)
sink()

Puis ouvrez le fichier monanalyse.txt.

Les graphiques peuvent etre sauves directement dans des fichiers graphiques en utilisant les
commandes postscript, jpeg ou png (voir laide en ligne de ces fonctions).

Mentionnons le paquetage R2HTML qui permet de creer des rapports au format html de facon
semi-automotique.

2.6 Organisation du travail

Lexperience prouve que la meilleure strategie est de creer un repertoire (dossier) par analyse
de donnees, et dy disposer : (a) les fichiers de donnees brutes ; (2) le fichier script contenant les
commandes R ; (3) le workspace et le(s) fichiers(s) resultats (textes et graphiques).

14
3 Manipulations de base

3.1 Objets

Lobjet de base en R est le vecteur. Un vecteur peut contenir des valeurs numeriques, des valeurs
de verite (True or False), des chanes de caracteres... Les fonctions les plus utilisees pour creer
des vecteurs sont c, rep et seq :

c(1,2,3,4,5,6)
c(T,T,F,F)
c(a,b)
rep(55,10)
rep(c(1,2),10)
rep(c(a,b),c(2,7))
seq(1,10,by=.1)

Un type de vecteur particulierement utile est le type factor. Les facteurs sont des vecteurs utilises
pour classifier les valeurs dautres vecteurs (les facteurs sont des variables indicatrices). Par
exemple, etant donne 100 scores provenant de plusieurs groupes de sujets, une variable facteur
peut designer ces sous-groupes.

(a=factor(c(rep(alpha,10),rep(beta,10))))

(b=gl(3,4,48,labels=c(a,b,c)))

(x=rnorm(48))
tapply(x,b,mean)
boxplot(x~b)
stripchart(x~b,method=jitter)
stripchart(x~b,method=jitter,vertical=T)

On peut creer un facteur a partir dun vecteur grace a la fonction factor, ou directement avec
la fonction gl.

3.2 Acceder aux elements dun vecteur

(a=rnorm(50))
a[1]
a[2]
a[c(1,3,5)]

15
a>0
a[a>0]

(b=gl(2,25,labels=c(g1,g2)))
a[b==g1]

Une particularite de R est que les elements dun vecteur peuvent avoir des noms :

v=c(1,2,3,4)
names(v)=c(alpha,beta,gamma,delta)
v[beta]

Cela savere tres utile pour creer des dictionnaires. Par exemple, un vecteur freq donnant
la frequence dusage des mots peut avoir les mots comme names ; il suffit alors de taper
freq[aller] pour obtenir la frequence du mot aller.

mots=c(aller,vaquer)
freq=c(45,3)
freq
freq[mots==aller]
names(freq)=mots
freq
freq[aller]

3.3 Arrays, listes et data.frames

Dautres objets de R sont les les listes, les arrays (vecteurs multidimensionnels) et les data.frames.

Les data.frames sont des listes de vecteurs qui ont tous la meme longueur. Les data.frames sont
tres bien adaptes pour stocker des donnees presentees sous forme de tableau bi-dimensionnel.

(a=array(1:20,dim=c(4,5)))
a[2,4]

(b=list(alpha=1:3,
beta=c(a,b,c,d)))
names(b)
b$alpha
b$beta

(c=data.frame(a=gl(2,5,10),b=1:10,x=rnorm(10)))
c$a
c$b
c$x
c[1:2,]

16
3.4 Variables

Les objets peuvent etre enregistres dans des variables avec loperateur = (ou <-). Pour voir le
contenu de lobjet represente par une variable, il suffit de taper le nom de celle-ci.

a<-c(1,2,3)
a
ls()
rm(a)
ls()

Les vecteurs contenus dans une liste ou dans un data.frame sont accessibles avec le symbole $.
Un data.frame peut etre attache pour que ses vecteurs soient directement accessibles.

mydata<-data.frame(a=gl(2,5,10),b=1:10,x=rnorm(10))
names(mydata)
mydata$a
mydata$b
mydata$x
attach(mydata)
a
b
x
detach(mydata)

3.5 Lire des donnees

Quand les donnees sont tres peu nombreuses, on peut les entrer directement dans un vecteur
(comme on la fait jusquici) avec la fonction c.

Les fonctions scan et read.table permettent de lire des donnees enregistrees dans des fichiers
textes.

scan lit une suite de donnees dans un vecteur.

Avec un editeur de texte, creez un fichier datafile1.txt contenant :

3.4 5.6 2.1 6.7 8.9

Puis, dans R, entrez :

scores<-scan(datafile1.txt)

17
On peut egalement entrer des donnees directement en ligne de commande :

scores<-scan()

La fonction read.table lit des donnees presentees sous forme tabulaire (par ex. les fichiers .csv
enregistres par Excel) et renvoie un data.frame.

Creez un fichier datafile2.txt contenant :

sujet groupe score

s1 exp 3
s2 exp 4
s3 exp 6
s4 cont 7
s5 cont 8

Puis importez le dans R :

a<-read.table(datafile2.txt,header=T)
a

R dispose dun editeur de data.frame tres limite :

scores<-edit(data.frame(a))

scan et read.table ne lisent que des fichiers textes, Le package foreign permet de lire directement
certains fichiers de donnees binaires provenant de SPSS, SAS, ...

library(help=foreign)

Mentionnons egalement lexistence de packages permettant dacceder a des informations stockees

dans des bases de donnees (MySQL, Oracle...).

18
4 Statistiques elementaires

Cette section a pour but dillustrer quelques concepts fondamentaux de la statistique inferentielle,
et de presenter les principales fonctions de R pour le traitement statistique des donnees recueillies
lors dun protocole experimental.

4.1 Manipulation des distributions de probabilites

4.1.1 Distributions univariees

Differentes fonctions permettent de generer des nombres aleatoires suivant une certaine distri-
bution de probabilite :

runif(10) # distribution uniforme

rnorm(10) # distribution normale
rnorm(10,mean=100)
rbinom(10,size=1,prob=.5) # distribution binomiale

La fonction rnorm genere des nombres aleatoires distribues selon une loi normale. En augmentant
le nombre dechantillons generes (de 10 a 10000), on constate que la distribution des valeurs
obtenues se rapproche de plus en plus dune distribution normale continue :

s1=rnorm(10,mean=2)
summary(s1)
s2=rnorm(100,mean=2)
summary(s2)
s3=rnorm(10000,mean=2)
summary(s3)

par(mfrow=c(3,3)) # organisation des graphiques selon une matrice 3 x 3

hist(s1) # histogrammes
hist(s2)
hist(s3)

# graphes en evitant le chevauchement des points de m^

eme coordonnees
stripchart(s1,method=jitter,vert=T,pch=16)
stripchart(s2,method=jitter,vert=T,pch=16)
stripchart(s3,method=jitter,vert=T,pch=.)

plot(density(s1)) # fonction de densite

19
x=seq(-5,5,by=.01) # vecteur de coordonnees normees pour les abscisses
lines(x,dnorm(x,mean=2),col=2)
plot(density(s2))
lines(x,dnorm(x,mean=2),col=2)
plot(density(s3))
lines(x,dnorm(x,mean=2),col=2)

En premiere approximation, la distribution theorique de la taille des individus de sexe masculin,

francais, et dans la tranche dage 20-35 ans,suit une loi normale de moyenne 170 et decart-type
10.

On peut donc non seulement situer un individu, ou un groupe dindividus, dans cette distribution,
mais egalement evaluer la probabilite quun individu choisi au hasard parmi la population entiere
mesure moins de 185 cm, ou plus de 198 cm, ou ait une taille comprise entre 174 et 186 cm.

Lorsque lon ne dispose pas des tables de lois normales N (; 2 ) (il y en a une infinite puisquil
y a 2 parametres libres), on utilise la loi normale centree-reduite N (0; 1 2 ) (encore appelee loi
Z), dont la table est disponible la plupart des manuels ou bien sur le web. Cependant R fournit
directement les tables des lois normales, par lintermediaire de la commande pnorm, qui prend en
arguments la valeur repere, la moyenne et lecart-type theoriques.

taille=seq(130,210,by=1)
plot(taille,dnorm(taille,mean=170,sd=10),type=b,col="red")
pnorm(185,mean=170,sd=10)
abline(v=185,col=4)
text(185,.012,paste("P(X<185)=",signif(p,3)),col=4,pos=2,cex=.6)
p=pnorm(198,mean=170,sd=10)
abline(v=198,col=4)
text(198,.002,paste("P(X>198)=",round(1-p,3)),col=4,pos=4,cex=.6)

La probabilite quun individu choisi au hasard parmi la population entiere mesure moins de 185
cm (P (X < 185)) est de 0.933 (obtenu par pnorm(185,mean=170,sd=10)). La probabilite quun
individu mesure plus de 198 cm est de 0.003 (1 P (X < 198), et la probabilite que sa taille soit
comprise entre 174 et 186 est 0.290 (P (X < 186) P (X < 174)).

On constate que la probabilite quun individu choisi aleatoirement dans une population de
moyenne 170 10 mesure plus de 198 cm est tres faible. Cest sur la base de ce calcul de proba-
bilites que repose le test de typicalite, ou test Z : un groupe dindividus (i.e. un echantillon)
sera declare atypique ou non representatif de la population parente dont il est issu, lorsquil a
une position au moins aussi extreme quune certaine position de reference, correspondant en
general a la probabilite 0.05.

R permet egalement de generer dautres distributions de probabilites, notamment la loi bino-

miale, les lois statistiques telles que le t de Student, le F de Fisher-Snedecor, le chi-deux ( 2 ),
etc. On peut ainsi voir dans lexemple qui suit que la distribution du t de Student tend vers
la loi normale lorsque la taille de lechantillon est suffisamment grande (dans cet exemple, on a
manipule le degre de liberte df, donne en argument de la fonction dt).

20
?pnorm
?pt
?pbinom
help.search(distribution)
pnorm(2)
pt(3,df=10) # fonction de repartition de la loi du t de Student
qnorm(.99) # donne la valeur associee au 99eme centile dune distribution normale
t<--50:50/10
plot(dnorm(t),type=l,col=red)
par(new=T) # le prochain graphe sera superpose au precedent
plot(dt(t,df=5),type=l)

Imaginons que vous disposiez dune piece dont vous vous demandez si elle est baisee. Vous
prevoyez de la lancer 10 fois a pile ou face. A partir de quelle proportion relative dessais
face/pile (ou linverse) considererez- vous que la pieces est truquee ?

Si la piece nest pas truquee, le nombre de pile suit une loi binomiale.

plot(dbinom(0:10,rep(10,11),prob=1/2),type=h)
hist(rbinom(100,10,.5))
hist(rbinom(1000,10,.5))
hist(rbinom(10000,10,.5))

Supposez que vous tiriez a pile ou face 10 fois de suite, et que la piece retombe 8 fois sur pile.
Quelle la probabilite dobserver cela si la piece nest pas biaisee ?

binom.test(8,10)
prop.test(8,10,1/2) # test approche

4.1.2 Distributions conjointes

Si lon reprend lexemple precedent des tailles de la population francaise masculine (20-25 ans),
on a une distribution similaire (i.e. suivant une loi normale de moyenne 70 et decart-type 7) pour
les poids. On peut bien evidemment se poser les memes questions que precedemment, mais on
peut egalement sinteresser a la relation entre ces deux variables quantitatives. En representant
le poids en fonction de la taille, on peut evaluer la liaison lineaire entre ces deux variables a
laide du coefficient de correlation de Bravais-Pearson.

Pour illustrer cela, nous allons utiliser les donnees issues dune population denfants de sexe
masculin ages de 11 a 16 ans.

taille<-scan() # saisie manuelle des donnees

1: 172 155 160 142 157 142 148 180 167 165
11:

21
Read 10 items # indicateur de fin dentree-sortie genere par R
poids<-scan()
1: 50.5 38.1 57.3 39.3 46.1 37.1 45.9 66.3 60 50.5
11:
Read 10 items
plot(poids~taille)
r<-lm(poids~taille) # modele lineaire (x,y)
summary(r) # diagnostic de la regression
abline(r) # trace de la droite de regression
-55.1963626 + 175 * 0.6568411 # "prediction" pour taille=175 cm
predict(r,list(taille=c(175))

Ensuite, a partir de la connaissance de cette liaison lineaire, on peut se demander quelle serait
le poids theorique (non observe) dun individu dont on ne connat que la taille : cest le domaine
de la regression lineaire. Laffichage des parametres de la droite de regression donne la relation
poids = 0.657 x taille - 55.196. Ainsi, on peut predire que le poids dun enfant mesurant 175 cm
sera de 59.8 kg.

4.2 Resumes numeriques et representations graphiques

4.2.1 Resumes numeriques

Le resume statistique des principaux indicateurs descriptifs de position et de dispersion peut

etre obtenu a laide des fonctions mean, sd, median ; la fonction summary donne un resume plus
complet par exemple, lorsquil sagit dun vecteur, elle indique la moyenne et la mediane, ainsi
que letendue et les valeurs des premier et troisieme quartiles.

a<-rnorm(100)
mean(a)
sd(a) # ecart-type corrige
summary(a)
boxplot(a)
mean(a,trim=.1) # moyenne sans les 10 % dobservations en fin de vecteur

4.2.2 Representations graphiques

Les fonctions graphiques standard en 2D boxplot, plot, hist ont ete vues dans les sections
precedentes. La creation de graphiques personnalises sous R est facilitee par son extreme sou-
plesse quant au parametrage des graphiques (positionnement, symboles et type de traces, etc.).
Lutilisation de laide en ligne est vivement recommandee.

Pour les graphiques en trois dimensions (z etant une matrice de dim 3), on pourra utiliser les
fonctions image et contour :

22
x=1:10
y=1:10
z=outer(x,y,"*")
persp(x,y,z)
image(z)
contour(z)

4.3 Definition de fonctions

Il est possible de definir ses propres fonctions sous Ret denrichir ainsi le langage.
p
Par exemple, Rne possede pas de fonction pour calculer lerreur-type (/ (N )). On peut en
definir une de la maniere suivante :

se <- function (x) { sd(x)/sqrt(length(x)) }

Lexemple suivant permet de calculer la moyenne arithmetique apres suppression des valeurs
atypiques, i.e. superieures a 2 ecart-types de la moyenne :

clmean <- function (x) {

m<-mean(x)
d<-sqrt(var(x))
threshold<-2
mean(x[(x-m)/d<threshold])
}

a<-c(rnorm(100),5)
mean(a)
clmean(a)

On peut lire le code des fonctions existantes :

clmean
ls
t.test
methods(t.test)
getAnywhere(t.test.default)

23
5 Tests statistiques

Ce chapitre a pour but de presenter de maniere non exhaustive certains tests statistiques em-
ployes frequemment en statistique inferentielle.

Comme on la vu precedemment (voir section 4.1), la determination des seuils de significativite

(p) se fait grace aux fonctions associees a chaque distribution (voir section 4.1).

1-pnorm(167,mean=150,sd=10)
1-pbinom(8,10,0.5)

5.1 Test du khi-deux

Soit le tableau de contingence A x B suivant a analyser :

A1 A2 A3
B1 13 24 20
B2 10 7 18

Le calcul du test du 2 associe a ce tableau seffectue de la maniere suivante :

a<-scan()
1: 13 24 20
4: 10 7 18
7:
Read 6 items
chisq.test(matrix(a,2,3,byrow=T))

5.2 Estimation de la moyenne dun groupe

Lintervalle de confiance de la moyenne peut etre obtenu a laide de la fonction t.test :

a<-10+rnorm(10,sd=10)
t.test(a,conf.level=.01)

Si lhypothese de normalite nest pas soutenable, le test de Wilcoxon (non-parametrique) peut

etre utilise a laide de la fonction wilcox.test : ce test des signes permet de determiner si la
mediane du groupe peut etre consideree comme significativement differente de 0.

24
5.3 Comparaison de deux groupes

Ce sont les memes fonctions t.test (test parametrique) et wilcox.test (test non parametrique)
qui permettent la comparaison entre deux groupes ; dans ce cas, on passe en arguments les
deux groupes :

a<-rnorm(10)
b<-rnorm(10,mean=1)
t.test(a,b)
wilcox.test(a,b)

c<-c(a,b)
x<-gl(2,10,20)
t.test(c~x)
wilcox.test(c~x)

5.4 Analyse de variance sur un facteur

Lorsque lon est en presence dun ensemble de k observations independantes (un seul facteur
inter-sujets), on peut comparer leurs moyennes respectives a laide de la fonction aov (ou selon
un modele lineaire general, avec la fonction lm).

x<-rnorm(100)
a<-gl(4,25,100)
plot(x~a)
r<-aov(x~a)
anova(r)
pairwise.t.test(x,a)
t.test(x[a==1],x[a==2])

5.5 Anova sur deux facteurs

Avec deux facteurs inter-sujets, le principe danalyse est le meme, mais on etudie egalement
linteraction entre les deux facteurs.

x<-rnorm(100)
a<-gl(2,50,100)
b<-gl(2,25,100)
plot(x~factor(a:b))
interaction.plot(a,b,x)
l<-aov(x~a*b)
anova(l)

25
5.6 Anova sur des protocoles de mesures repetees

Avec un seul facteur intra-sujet, on procedera ainsi :

subject<-gl(10,3,30)
cond<-gl(3,1,30)
x<-rnorm(30)
interaction.plot(cond,subject,x)
summary(aov(x~cond+Error(subject/cond))

Avec deux facteurs intra, la demarche est a peu pres identique :

subject<-gl(10,4,40)
cond1<-gl(2,1,40)
cond2<-gl(2,2,40)
table(cond1,cond2)
x<-rnorm(40)
plot(x~factor(cond1:cond2))
interaction.plot(cond1,cond2,x)
interaction.plot(cond1,subject,x)
interaction.plot(cond2,subject,x)
summary(aov(x~cond1*cond2+Error(subject/(cond1*cond2))))

5.7 Regression lineaire

Comme nous lavons vu dans le cas des distributions conjointes (cf. section 4.1.2), la demarche
pour effectuer de la regression lineaire est la suivante :

a<-rnorm(100)
b<-2*a+rnorm(100)
plot(b~a)
r<-lm(b~a)
anova(r)
abline(r)

a<-rnorm(100)
b<-2*a+rnorm(100)
c<-5*a+rnorm(100)
pairs(cbind(a,b,c))
summary(lm(c~a*b))

26
6 Exemples danalyses de donnees

Ces exemples proviennent principalement du site web Analyse Statistique des Donnees en Psy-
chologie (ASDP) de lUFR de Psychologie de luniversite Paris 5 (piaget.psycho.univ-paris5.fr/,
lien Analyse des Donnees puis Donnees).

6.1 Dossier sommeil

Lors dune experimentation medicale, on a releve le temps de sommeil T de 10 patients (facteur

Sujet) sous leffet de deux medicaments (dou le facteur Medicament M). Chaque sujet a pris
successivement lun et lautre des deux medicaments.

Source Student (1908) The probable error of a mean, Biometrika, VI, 1-25.

Donnees Fichier sommeil.txt

Question Ces donnees ont ete recueillies pour tester lhypothese que le medicament m2 est
plus efficace que le medicament m1. Est-ce le cas ?

Une solution Voir lexemple de script liste en A.1 et B.1 (Statistica).

6.2 Dossier pedagogie

Lors dune experimentation pedagogique, on desire comparer lefficacite de quatre methodes

denseignements.

On dispose des notes obtenues a un examen par quatre groupes deleves ayant chacun recu un
des 4 types denseignements.

Source : Donnees fictives.

Donnees Fichier pedago.txt

27
Questions Comparer les resultats obtenus en fonction des methodes.

Une solution Voir lexemple de script liste en A.2 et B.2 (Statistica).

6.3 Dossier negligence

Une recherche a porte sur la pseudo-negligence quon observe chez des sujets normaux. Ce
nom provient des similarites quelle presente avec lhemi-negligence (atteinte de la moitie du
champ visuel) de sujets atteints dune lesion cerebrale. La tache des sujets consiste a determiner
le milieu subjectif dune baguette de 24cm avec la seule aide dinformations kinesthesiques. La
pseudo-negligence se traduit par une deviation systematique vers la droite (pour les droitiers)
de ce milieu subjectif par rapport au milieu objectif de la baguette.

Les donnees portent sur 24 femmes droitieres (facteur S) reparties selon 2 conditions (12 sujets
pour chacune) : active (c1) ou le sujet peut librement deplacer son doigt pose sur un curseur
mobile le long de la baguette ; ou passive (c2) ou le sujet commande un moteur declenchant
le mouvement de la baguette dans un sens ou dans lautre, alors que son doigt ne bouge pas
(facteur C). Chaque sujet execute cette tache dans 6 situations experimentales obtenues par le
croisement de : la main utilisee, gauche (m1) ou droite (m2) ; et lorientation du regard, 30 a
gauche (o1), 0(o2) ou 30a droite (o3) (facteurs M et O). Pour chaque sujet et chaque situation
on mesure la deviation en cm entre le milieu subjectif et le milieu objectif de la baguette. Une
deviation a droite est notee par une valeur positive, a gauche par une valeur negative.

On sinteresse ici a leffet de la condition (C) lorsque le sujet utilise sa main habituelle (m2)
(Rappel : tous les sujets sont droitiers) et lorsquil se trouve en face du milieu de la baguette
(avec lorientation a 0 degres)

Source Chokron, Imbert (1993) - Egocentric reference and asymmetric perception of space,
Neuropsychologia, 31, 3, 267-275. Dapres J.M. Bernard (1994) - Structure des donnees, d

Donnees fichier neglige2.txt

Questions Importer ces donnees, les visualiser, comparer les groupes. Conclusion ?

Une solution Voir lexemple de script liste en A.3 et B.3 (Statistica).

28
6.4 Dossier family

Etude realisee au USA sur les origines des stereotypes lies au sexe. 35 familles choisies au hasard
et ayant une fille ainee (ou fille unique) en ninth grade (Troisieme).

Le pere a repondu a un questionnaire sur ses interets pour le sport, note sur une echelle numerique
de 0 a 50 (FATH)

La mere a repondu au meme questionnaire (MOTH)

Le professeur deducation physique de chacune des filles a note les performances physiques
generales de la fille de 0 a 20 (PROF).

La fille a repondu egalement au questionnaire dineret pour le sport (GIRL).

Source Hays, W.L. (1994) - Statistics, Fort Worth : Harcourt Brace College Publishers (5eme
edition), p.671-672

Donnees family.txt

Questions Que faire avec ces donnees ?

Une solution Voir lexemple de script liste en A.4 et B.4 (Statistica).

6.5 Dossier IO

En 1980, on a interroge des lyceens (garcons et filles) sur leurs intentions dorientation apres le
bac (etudes scientifiques, litteraires ou techniques).

Source Il sagit de donnees en partie fictives, inspirees dun exemple de M. Reuchlin.

Donnees Fichier io.txt

Questions Peut-on dire que lorientation envisagee est liee au sexe chez lensemble des lyceens
de cette annee 1980 ?

29
Une solution Voir lexemple de script liste en A.5 et B.5 (Statistica).

30
A Solutions sous R

Nous proposons ici des scripts pour analyser les exemples du chapitre 6. Il y a plusieurs manieres
de resoudre le meme probleme avec R. Par consequent, vos scripts peuvent differer.

A.1 Dossier sommeil

sommeil<-read.table(sommeil1.txt,header=T)
sommeil
attach(sommeil)
summary(M1)
summary(M2)

plot(M1,M2,xlim=c(0,10),ylim=c(0,10),col=2)
identify(M1,M2,SOMMEIL)
abline(0,1)

stripchart(M2-M1,method=stack)
t.test(M2-M1)

t.test(M1,M2,paired=T)
detach()

A.2 Dossier pedago

a<-read.table(pedago.txt)
attach(a)
boxplot(notes~pedago)
stripchart(notes~pedago,method=stack,vertical=T)
tapply(notes,pedago,mean)
tapply(notes,pedago,sd)
tapply(notes,pedago,summary)
barplot(t(tapply(notes,pedago,mean)))

m<-aov(notes~pedago)
summary(m)
TukeyHSD(m)
plot(TukeyHSD(m))

31
A.3 Dossier negligence

d<-read.table(neglige4.txt)
x<-d$V1
a<-gl(2,12,24)
b<-gl(2,6,24)
table(a,b)
tapply(x,list(a=a,b=b),mean)
interaction.plot(a,b,x)
l<-aov(x~a*b)
summary(l)
model.tables(l,se=T)
t.test(x[a==1 & b==1],x[a==1 & b==2])
t.test(x[a==2 & b==1],x[a==2 & b==2])

A.4 Dossier family

fam<-read.table(family.txt,header=T)
fam
attach(fam)
data<-as.matrix(fam[,-1])
pairs(data,panel=panel.smooth)
cor(data)
cor.test(FATH,GIRL)
cor.test(MOTH,GIRL)
cor.test(INST,GIRL)

l<-lm(GIRL ~ FATH + MOTH + INST)

summary(l)
detach(fam)

A.5 Dossier IO

a<-read.table(io.txt,header=T)
attach(a)
table(Sexe,Matiere)
chisq.test(table(Sexe,Matiere))

32
B Solutions sous Statistica

Cette section presente la facon de traiter les problemes presentes dans le chapitre 6.

De maniere generale, lorsque lon dispose de simples fichiers texte pour les donnees, limportation
des donnees se fait a laide de la commande Fichier . Importer des donnees . Rapide. Le
cas echeant, lorsque le fichier de donnees est deja sous le format Statistica (extension .sta), il
suffit simplement dutiliser la commande Fichier . Ouvrir des donnees.

B.1 Dossier Sommeil

Une fois les donnees chargees, une bote de dialogue Tables et Statistiques Elementaires
saffiche. On choisit Test T pour des echantillons apparies. Une nouvelle bote de dialogue
saffiche dans laquelle on va definir la premiere et la seconde variable a laide du bouton VARIABLES.

Il est interessant de visualiser les donnees sous forme de botes a moustaches (cf Fig. B.2) ;
pour cela, il suffit de cliquer sur le bouton BOITE A MOUSTACHES, et de selectionner ensuite loption
Mediane/Quartile/Etendue dans la boite de dialogue suivante.

Ensuite, on peut lancer le test t sur le panneau initial (sil nest plus visible, cliquer sur la petite
bote de dialogue Reprendre analyse ou SUITE si vous etes sur la derniere fenetre graphique),
en appuyant sur le bouton TESTS.

Le resultat de lanalyse saffiche dans une nouvelle fenetre de sortie (cf Fig. B.1). A la lecture
des resultats, on voit que le test t est significatif : t = -4,06213, p/2 = ,0014165 (p = ,002833,
dl = 9).

On pourra remarquer que lanalyse aurait abouti au meme resultat en derivant le protocole
par difference, et en effectuant un test t contre une moyenne theorique = 0 (p = ,0016).
Sous Statistica, aller dans Autres tests de significativite, Difference entre deux moyennes,
cocher Moyenne du cas 1 vs. Moyenne de la population 2, M1=-1,56, s1=1,24, n=10, ap-

Fig. B.1 Resultat du test t pour echantillons apparies sous Statistica

33
Fig. B.2 Affichage des differences de groupe sous forme de bote a moustaches sous Statistica

puyer sur Calculer et lire le seuil p correspondant1 .

B.2 Dossier Pedago

Il sagit ici de mettre en oeuvre une ANOVA dordre 1 (un seul critere de classification, ou un seul
facteur de groupe a 4 modalites). Apres avoir saisi les donnees, ou importe le fichier, lanalyse
de variance seffectue soit via le module ANOVA/Decomposition de la variance, soit via le
module plus general pour les analyses de variance (groupes independants et mesures repetees)
ANOVA/MANOVA.

En supposant que le tableau de donnees at ete correctement saisi (2 colonnes comprenant la

VD et la VI sous forme indicee 1, 2, 3, 4 par exemple ; les observations en ligne), il suffit
de selectionner les variables de lanalyse en cliquant sur le bouton Variables et dindiquer la
colonne contenant la variable independante et celle contenant la variable dependante. Apres
avoir valide, on revient sur lecran precedent, et on indique la liste des facteurs inter (la VI est
un facteur de groupe) que lon veut prendre en compte dans lanalyse en cliquant sur le bouton
Liste fact. inter et en indiquant Tous2 .
1
p
Une autre solution consiste a effectuer le calcul a la main : t(n1) = (x )/(s/ (n)) = 3.97, et a comparer
la valeur aux valeurs reperes de la table du t : p .003 (p/2 .0015)
2
On pourrait vouloir restreindre lanalyse a deux conditions seulement, auquel cas on indiquerait les conditions
individuelles

34
 Fig. B.3 Resultat de lanalyse de variance dordre 1 sous Statistica

Lorsque lon valide en appuyant sur la touche OK, le panneau danalyse de variance saffiche, le
plan danalyse considere (facteurs systematique inter, intra etc.) etant indique dans la partie
superieure. Lorsquon clique sur le bouton Tous les effets, Statistica lance lanalyse de variance
dordre 1, et une fenetre de resultats saffiche. Cette derniere comprend un tableau dANOVA
dordre 1 classique, avec le carre moyen de leffet et celui de lerreur (MC effet et MC error), les
degres de libertes associes aux sommes des carres (3 et 86), la valeur du F (6,635689), ainsi que
le seuil p associe (0,000434) (cf. Fig. B.3). Par defaut3 , Statistica affiche en rouge les valeurs
significatives par rapport aux seuils reperes (que lon peut redefinir dans les options Statistica).

Il est egalement possible davoir une representation graphique des moyennes des groupes de
sujet en cliquant sur le bouton Comparaison moy., puis en selectionnant la sortie graphique, mais
par defaut ce nest pas une bote a moustache qui est affichee (cf. Fig. B.4).

B.3 Dossier Negligence

Le protocole doit etre analyse a laide dune ANOVA dordre 2 (deux groupes independants de
sujets), avec comme facteurs principaux (systematiques) de lanalyse les conditions Active et
Main, a deux modalites chacune.

Nous utiliserons comme dans le dossier precedent le module ANOVA/MANOVA, en supposant les
donnees deja disponibles au bon format et presentes dans le tableau de donnees (3 colonnes
comprenant la VD et les 2 VI sous forme indicee 1, 2 par exemple ; les observations en
ligne). On definira comme precedemment les variables dependantes et independantes, ainsi que
les facteurs inter a prendre en compte dans lanalyse (i.e. tous).

En repetant les memes etapes que celles effectuees dans le dossier Pedago, on obtient le tableau
dANOVA dordre 2 avec leffet des deux facteurs systematiques et linteraction entre ces deux
facteurs (cf. Fig. B.5). Linteraction entre les deux facteurs, et son seuil de significativite peuvent
3
ce nest le cas lors des comparaisons multiples

35
 Fig. B.4 Comparaison de moyennes sous Statistica

etre visualise en cliquant sur le bouton Comparaison moy., puis en selectionnant la sortie graphique.
Etant donne quil y a deux variables, il faudra indiquer quelle variable sera reprise sur laxe des
abscisses (cf. Fig. B.6).

En revanche, puisquon est dans un cas dANOVA a plusieurs facteurs, il faudra analyser les
moyennes qui sont significativement differentes prises deux a deux : on utilisera pour cela les com-
paraisons multiples (non planifiees) qui sont accessibles en cliquant sur le bouton Tests post-hoc.
Le test de Tukey-HSD peut-etre utilise, et on selectionnera loption Differences significatives.
Le resultat du test saffiche dans une nouvelle fenetre, sous forme dun tableau indiquant en
ligne les comparaison par paire de modalites des deux variables4 .

On notera que que sous Statistica, le resultat du test de Tukey-HSD indique les seuils p pour
les differences significatives et non les intervalles de confiance a 95 % comme sous R.

B.4 Dossier family

Il sagit ici dun probleme classique de regression multiple. La matrice des correlations peut
etre obtenue dans le menu Analyse . Statistiques elementaires rapides . Matrice de
correlations.
4
le tableau etant une matrice symetrique de seuils de significativite p, on peut se contenter de lire la moitie
des valeurs...

36
Fig. B.5 Resultat de lanalyse de variance dordre 2 sous Statistica

Fig. B.6 Graphique de linteraction des deux facteurs sous Statistica

37
 Fig. B.7 Resultat de la regression multiple sous Statistica

Apres avoir cliquer dans le commutateur de modules de Statistica Regression multiple (ou menu
Analyse . Autres statistiques . Regression multiple), il faut specifier la variable dependante
(ici les donnees de la fille), et les variables independantes, i.e. les variables predictrices (les 3
autres series de donnees pere, mere, prof). Une fois le codage des variables effectue, valider en
appuyant sur OK. Un tableau indiquant les resultats de la regression multiple coefficients , R 2
saffiche (cf. Fig. B.7).

Lanalyse des valeurs predites et des residus est obtenue grace a la commande Analyse des
residus dans la fenetre Analyse de la regression multiple, puis en selectionnant Afficher
Residus & Prev..

B.5 Dossier IO

Ce dossier comprend un tableau de contingence 3 x 2 pour lequel il faut mettre en oeuvre une
procedure danalyse des tableaux de contingence (module Analyse des Correspondances). Lorsque
la bote de dialogue saffiche, on selectionne loption Analyse des Correspondances (AC), ainsi
que Frequences sans var. de classement, puis on selectionne toutes les modalites de la va-
riable en colonnes.

Lorsque lon clique sur OK, un panneau intitule Resultats de lAnalyse des Correspondances
apparat et indique dans la partie superieure le resultat du test du chi-deux : ici, 2 = 6.66667, dl =
2, p = 0.357. Les indicateurs descriptifs concernant le tableau de contingence sont accessibles
via le panneau de controle dans la partie inferieure :
les distributions marginales (lignes et colonnes) sont accessibles en cliquant sur le bouton

38
 Pourcentages Lignes ou Pourcentages Colonnes
les effectifs theoriques sont accessibles en cliquant sur le bouton Theorique (Chi)
les ecarts a lindependance (difference entre effectifs observes et effectifs theoriques) sont
accessibles en cliquant sur le bouton Obs. moins Theorique
le carre moyen de contingence (2 ) est indique dans toutes les fenetres de resultats precedentes
et designe par le terme Inertie Totale
Les contributions au 2 sont indiquees pour chaque croisement des modalites des deux variables
en cliquant sur le bouton Contrib. au Chi-deux.

39
C Prise en main de Statistica

C.1 Introduction

Etant donne la richesse de linterface, ou plutot des interfaces (cf. infra) de Statistica, nous nous
contenterons devoquer quelques-unes de ses principales fonctionnalites, afin que le lecteur soit a
meme : (1) douvrir ou dimporter un fichier de donnees, (2) deffectuer des statistisques descrip-
tives elementaires, (3) de creer des representations graphiques et (4) danalyser des protocoles
simples (cf. egalement la section B). De plus amples informations peuvent etre obtenues grace
aux manuels de Statistica, a laide en ligne, ou aux nombreux tutoriels disponibles sur le web.

Statistica est un logiciel tres puissant permettant de faire de lanalyse descriptive et inferentielle.
Statistica est organise en differents modules Statistiques Elementaires, ANOVA/MANOVA, etc. ,
accessibles au travers du commutateur de modules (cf. Fig. C.1), qui est automatiquement lance
au demarrage. Il demeure ensuite accessible dans le menu Analyse . Autres Statistiques.

Chaque module correspond en fait a un environnement danalyse particulier, et linterface de

Statistica (boutons, menus) est specifique de chaque module, et des fenetres actives (feuille
de donnees, graphique). Lorsque lon bascule dun module a lautre, par exemple de celui
des Statistiques Elementaires a celui dedie a lanalyse de variance ANOVA/MANOVA, il est
preferable de fermer le module precedent : utiliser pour cela le bouton Fermer & Basculer
vers ; cela evitera davoir plusieurs fenetres Statistica ouverte en meme temps.

Fig. C.1 Commutateur de modules de Statistica

40
C.2 Organisation des donnees

Statistica contient un gestionnaire de donnees integre, mais nous allons nous limiter a exposer
brievement lorganisation des donnees dans la feuille de donnees. Celle-ci est equivalente a un
tableur (comme Excel) dans lequel les observations sont disposees en lignes, et les variables
en colonnes. En fait, les observations sont le plus generalement les sujets, et les variables les
modalites des variables independantes (V.I.). Lintersection ligne-colonne contient ainsi la valeur
de la variable dependante (V.D.).

Lorsquil ny a quune seule V.I. a plusieurs modalites, on peut coder ses modalites dans une
autre colonne-variable, qui sert alors de variable de classement. Dans le cas ou on a plusieurs
V.I. a plusieurs modalites (cas par exemple dun protocole de mesures repetees), les variables
correspondent en fait au croisement de chaque modalite de chaque variable. Par exemple, si lon
a 2 V.I. A et B a 2 niveaux (i.e. un plan de type S A2 B2 ), il y aura 4 colonnes disposees
precisemment 1 comme suit : a1b1 a1b2 a2b1 a2b2. Il est utile de sassurer de la bonne disposition
des donnees en affichant un graphique, car si lordre des facteurs est inverses par exemple, il
risque dy avoir des problemes lors de linterpretation de linteraction A x B.

Laide en ligne est generalement bien redigee et indique dans chaque situation (plan avec groupes
independants, groupes apparies, mesures repetees, plan factoriel, split-plot etc.) comment
organiser les donnees. Nhesitez pas a vous y referer, meme pour verification.

C.3 Statistiques descriptives

C.3.1 Resume numerique

Les statistiques descriptives constitue un module a part entiere Statistiques Elementaires

, accessible depuis le commutateur de modules (le fichier permettant le lancement direct de
ce module est Sta_bas.exe). Le choix des resultats a afficher se fait dans le menu Analyse
. Panneau de demarrage, puis Statistiques Descriptives, ou dans le menu Analyse .
Statistiques elementaires rapides . Autres (cf. Fig. C.2). Par defaut, le resume numerique
indique le nombre dobservations, la moyenne, le minimum, le maximum et lecart-type, pour la
ou les variable(s) selectionnee(s) (bouton Variables).

Il est egalement possible de parametrer le type de resultats a afficher (moyenne, mediane, quan-
tiles, ecart-type etc.), a laide du bouton Davantage de Statistiques. En revanche, il faut
garder a lesprit que Statistica ne calcule que des ecart-types et variances corriges 2 .
1
Il faut faire attention a lordre, en effet, car Statistica va determiner les modalites des facteurs a partir de
lordre dans lequel ils sont ranges dans la feuille de donnees ; ainsi, si on rangeait les donnees sous la forme a1b1
a2b1 a1b2 a2b2, le plan correspondant serait S B2 A2 , et pire encore si on intervertissait 2 colonnes, on aurait
un plan incorrect puisque melangeant les facteurs !
2
Pour obtenir des ecart-types et variances non corriges, il faut multiplier les valeurs obtenues par n1 n
.

41
 Fig. C.2 Panneau de Statistiques Descriptives

C.3.2 Remarque

Par ailleurs, toutes les fonctions decrites dans les paragraphes precedents sont generalement
accessibles a laide dun clic droit effectue dans la colonne de la ou les variable(s) du tableau de
donnees (Statistiques Rapides . Autres).

C.4 Representations graphiques

Les outils graphiques se trouvent dans le meme module que celui utilise pour les statistiques
descriptives ; ils apparaissent dans la partie inferieure de la bote de dialogue Statistiques
Descriptives. Les graphiques les plus couramment utilises sont les histogrammes, les botes a
moustaches categorisees et les nuages en 2D (nuages bivaries). Lorsque lon selectionne un type
de graphique, une nouvelle bote de dialogue apparat et permet de preciser ou parametrer le
graphique selectionne. Si aucune variable na ete selectionnee, il est possible de le faire a laide
du bouton Variables.

C.4.1 Histogrammes

Pour les histogrammes (cas des variables categorisees), on peut choisir entre des histogrammes
simple (cas dune seule variable) ou multiple (cas de plusieurs variables), et y associer une courbe

42
 Fig. C.3 Panneau de Statistiques Descriptives

dajustement normale par exemple (cf. Fig. C.3). Il est egalement possible dafficher les effectifs
cumules, plutot que les effectifs simples (cela peut permettre dobtenir la fonction de repartition
discrete de la variable).

C.4.2 Botes a moustaches

Les botes a moustaches sont tres utiles pour les donnees categorisees. Elles peuvent etre presentees
sous forme classique (mediane, 1er et 3eme quartiles, etendue), ou a laide dautres indicateurs
(moyennes, erreur-type ou ecart-type et intervalles de confiance a 95 %) (cf. Fig. C.4).

C.4.3 Nuages de points en 2D

Pour les nuages en 2D (cas des variables numeriques), on peut egalement choisir des nuages
simple ou multiple, associes a une fonction dajustement pre-definie ou parametrable. Des bou-
tons radio permettent de selectionner le type daxes du repere, qui peuvent etre de type cartesien
ou polaire. On peut egalement inclure les ellipses et bandes de confiance (en general au seuil
p = .95) de la moyenne.

Dautres options tres utiles sont disponibles ne cliquant sur le bouton Options. La nouvelle
bote de dialogue qui saffiche permet en effet de selectionner le nombre dobservations a inclure
dans le graphique, de specifier laffichage des etiquettes dobservations (ce qui permet de reperer
directement une observation sur le graphique par une etiquette de type i1, i2, ..., sans avoir a le

43
 Fig. C.4 Panneau de Statistiques Descriptives

faire a laide de ses coordonnees).

C.4.4 Remarque

Par ailleurs, toutes les fonctions decrites dans les paragraphes precedents sont generalement
accessibles a laide dun clic droit effectue dans la colonne de la ou les variable(s) du tableau de
donnees (Graphiques Rapides . (...)).

44