Introduction à R et à la modélisation statistique
2021-09-26
Présentation
Ce tutoriel présente une introduction au logiciel R. On pourra trouver :
- les supports de cours associés à ce tutoriel ainsi que les données utilisées à l’adresse suivante https://lrouviere.github.io/intro_R/ ;
- le tutoriel sans les corrections à l’url https://lrouviere.github.io/TUTO_R/
- le tutoriel avec les corrigés (à certains moments) à l’url https://lrouviere.github.io/TUTO_R/correction/.
Il est recommandé d’utiliser mozilla firefox pour lire le tutoriel.
Les thèmes suivants sont abordés :
- Présentation du logiciel, environnement
Rstudio
, reporting avecRmarkdown
- Objets R
- Manipulation des données (essentiellement avec
dplyr
) - Visualisation de données (représentations standards et avec
ggplot2
) - Cartes dynamiques avec
leaflet
- Régression : ajustement de modèles, formules, prévisions…
- Introduction au problème de l’estimation : lois de probabilités, notions d’estimateurs, performance d’estimateurs, intervalles de confiance.
On pourra trouver des supports de cours ainsi que les données utilisées à l’adresse suivante https://lrouviere.github.io/intro_R/. Des compléments sur les outils du tidyverse pourront être consultés dans le très complet document de Barnier (2020) ainsi que les ouvrages de Wickham and Grolemund (2017) et de Cornillon et al. (2018).
Références
Barnier, J. 2020. Introduction à R et Au Tidyverse. https://juba.github.io/tidyverse/index.html.
Cornillon, P. A., A. Guyader, F. Husson, N. Jégou, J. Josse, N. Klutchnikoff, E. Le Pennec, E. Matzner-Løber, L. Rouvière, and B. Thieurmel. 2018. R Pour La Statistique et La Science Des Données. PUR. https://r-stat-sc-donnees.github.io.
Wickham, A., and G. Grolemund. 2017. R for Data Science. O’Reilly. https://r4ds.had.co.nz.