Plan du cours

Introduction et préliminaires

    Rendre R plus convivial, R et les interfaces graphiques disponibles Rstudio Logiciels et documentation associés R et statistiques Utiliser R de manière interactive Une session d'introduction Obtenir de l'aide sur les fonctions et fonctionnalités Commandes R, respect de la casse, etc. Rappel et correction des commandes précédentes Exécuter des commandes ou détourner la sortie vers un fichier Permanence des données et suppression d'objets

Manipulations simples ; nombres et vecteurs

    Vecteurs et affectation Arithmétique vectorielle Génération de séquences régulières Vecteurs logiques Valeurs manquantes Vecteurs de caractères Vecteurs d'index ; sélection et modification de sous-ensembles d'un ensemble de données Autres types d'objets

Objets, leurs modes et attributs

    Attributs intrinsèques : mode et longueur Modification de la longueur d'un objet Obtention et définition des attributs La classe d'un objet

Tableaux et matrices

    Tableaux Indexation des tableaux. Sous-sections d'un tableau Matrices d'index La fonction array() Le produit extérieur de deux tableaux Transposition généralisée d'un tableau Matrix Facilités Matrix multiplication Équations linéaires et inversion Valeurs propres et vecteurs propres Décomposition en valeurs singulières et déterminants Ajustement par les moindres carrés et décomposition QR
Formation de matrices partitionnées, cbind() et rbind()
  • La fonction de concaténation, (), avec des tableaux
  • Tableaux de fréquence à partir de facteurs
  • Listes et blocs de données
  • Listes Construire et modifier des listes Concaténer des listes

      Trames de données Création de trames de données
    attach() et détacher()
  • Travailler avec des trames de données
  • Joindre des listes arbitraires
  • Gérer le chemin de recherche
  • Manipulation de données
  • Sélection, sous-ensemble d'observations et de variables Filtrage, regroupement Recodage, transformations Agrégation, combinaison d'ensembles de données Manipulation de caractères, package stringr
  • Lecture de données

      Fichiers txt Fichiers CSV Fichiers XLS, XLSX SPSS, SAS, Stata,… et autres formats de données Exportation de données au format txt, csv et autres formats Accès aux données des bases de données à l'aide du langage SQL

    Distributions de probabilité

      R comme ensemble de tableaux statistiques Examen de la distribution d'un ensemble de données Tests à un et deux échantillons

    Regroupement, boucles et exécution conditionnelle

      Expressions groupées Instructions de contrôle Exécution conditionnelle : instructions if Exécution répétitive : boucles for, répétition et while

    Écrire vos propres fonctions

      Exemples simples Définition de nouveaux opérateurs binaires Arguments nommés et valeurs par défaut L'argument '...' Affectations au sein des fonctions Exemples plus avancés Facteurs d'efficacité dans les conceptions de blocs Suppression de tous les noms dans un tableau imprimé Intégration numérique récursive

    Portée

      Personnalisation de l'environnement
    Classes, fonctions génériques et orientation objet
  • Procédures graphiques
  • Commandes de traçage de haut niveau La fonction plot() Afficher des données multivariées Afficher des graphiques Arguments pour les fonctions de traçage de haut niveau
  • Graphiques de visualisation de base
  • Relations multivariées avec le package lattice et ggplot

      Utilisation des paramètres graphiques
    Liste des paramètres graphiques
  • Séries chronologiques Forecasting
  • Désaisonnalisation Moyenne mobile Lissage exponentiel Extrapolation Prédiction linéaire Estimation de tendance Stationnarité et modélisation ARIMA
  • Méthodes économétriques (méthodes occasionnelles)
  • Analyse de régression Régression linéaire multiple Régression non linéaire multiple Validation de la régression Forecasting à partir de la régression
  •   21 heures
     

    Nombre de participants


    Début

    Fin


    Dates are subject to availability and take place between 09:30 and 16:30.
    Les formations ouvertes requièrent plus de 3 participants.

    Nos Clients témoignent (2)

    Cours Similaires

    Big Data Business Intelligence for Telecom and Communication Service Providers

      35 heures

    Big Data Business Intelligence for Criminal Intelligence Analysis

      35 heures

    Catégories Similaires