Statistiques descriptives

## Packages à charger, nécessaire pour l'analyse ##
library(tidyverse)
library(questionr) # pour effectuer des tris à plat et des tris croisés
library(survey) # pour travailler avec des données pondérées

On importe les données puis on les observe. Ci-dessous j’ai mis des fonctions de bases avec un dataframe qui n’existe pas. J’ai lu récemment que ce n’était pas très data analyst que de faire View(data_frame) pour visualiser les données. À la place, il faut utiliser la console (ou ton script) pour en apprendre le plus possible sur tes données³

dim(d) # nb lignes (observations) et nb colonnes (variables-normalement)
names(d) 
str(d) # type des variables

sum(is.na(d))

summary(d$x)
unique(d$x)
levels(d$x) # au choix

table(d$x,d$y,useNA="ifany")
prop.table(table(d$x,d$y,useNA="ifany"))
rprop(table(d$x,d$y))

# avec le tidyverse, dont je suis une grande fan
d %>% count(x,y)

# corrélation
cor(d$x,d$y,method='pearson')

# test du khi-deux
chisq.test(d$x, d$y)

Toutefois, ces mesures ne suffisent pas pour décider de faire une régression linéaire ! Il faut également visualiser les données, pour être sûr.e que la répartition soit bien linéaire ou même pour conclure directement sur quelque chose. ggplot2 gère tout ça.

Il existe plein d’autres options pour les fonctions écrites ici. Tu peux les retrouver dans la documentation officielle en tapant ?fonction dans la console, ou en plaçant ton curseur sur la fonction dans ton script et en appuyant sur F1. Appuyer F2 ouvrira une page avec la syntaxe complète de la fonction.

Après, ce n’est pas la fin du monde si tu décides de visualiser ta base entièrement. Personnellement, je le fais.↩︎