Modèles linéaires (généralisés) appliqués à la biométrie humaine

Avant-propos

Cette séance d’exercices est susceptible d’être adaptée. N’hésitez pas à vérifier le lien suivant afin de voir si des modifications n’ont pas été apportées dans les consignes : https://github.com/BioDataScience-Course/B03Gb_human

Contexte

Dans le cadre du cours de science des données biologique I, vous avez été amené à collecter des données sur la biométrie humaine. Un an plus tard, il vous est demandé de ré-analyser ces données à l’aide de modèle(s) linéaires(s) (généralisés).

Étant donné que vous avez été des scientifiques consciencieux, vous avez collecté vos données en y associant des métadonnées.

Les données sont téléchargeables au fomat CSV via : https://docs.google.com/spreadsheets/d/e/2PACX-1vSfY7b0ICF64uv9vIYi8Jg38Rw3pKvLHC5TW0XOZYVQ4ce2dTmXGM5Cm8J922MsYm_fk75DKOK2wC4b/pub?output=csv

Les métadonnées associées aux données ont été recensées dans un document GoogleDoc : https://docs.google.com/spreadsheets/d/1j55bB9YEAVbS4eRE-i6L-NEYhHXua-dxs-aQr_qko7k/edit?usp=sharing

Consignes

Ce projet est un projet à réaliser par binôme et libre. Il doit être terminé pour la fin du module 3. Sur base d’une question de recherche que vous choisissez, effectuez des analyses qui nécessitent des modèles linéaires (généralisés) pour y répondre.

Script R

Dans un script R nommé biometry.R :

• Importez vos données

SciViews::R

## ── Conflicts ────────────────────────────────────────── tidyverse_conflicts() ──
## x dplyr::filter() masks stats::filter()
## x dplyr::lag()    masks stats::lag()
## x dplyr::select() masks MASS::select()

biometry <- read$csv("https://docs.google.com/spreadsheets/d/e/2PACX-1vSfY7b0ICF64uv9vIYi8Jg38Rw3pKvLHC5TW0XOZYVQ4ce2dTmXGM5Cm8J922MsYm_fk75DKOK2wC4b/pub?output=csv")

• Ajoutez les labels à vos variables. (vous pouvez utiliser par exemple la fonction labelise()).

• Réalisez une sauvegarde locale de votre jeu de données (vous pouvez par exemple employer la fonction write$rds())

human_notes

Dans le fichier human_notes.Rmd dans docs, réalisez au moins trois modèles linéaires (généralisés) en lien avec votre thématique. Réalisez des analyses complètes (n’oubliez donc pas l’analyse des résidus).

human_report

Ce fichier est un template au format R Markdown, un peu plus élaboré. Vous pouvez y réaliser des citations de références bibliographiques, de tableaux et de figure comme vous avez appris à la faire dans le précédent projet. Sélectionnez votre modèle linéaire le plus adéquat et consignez-le dans un document structuré au format R Markdown. Utilisez le template (human_report.Rmd) mis à votre disposition dans le dossier docs. Ce document doit contenir :

• une courte introduction sur la question de recherche que vous vous posez.
• une section analyse avec la description des données et la réalisation du modèle linéaire. Chaque tableau et graphique doit avoir une légende claire et précise comme montré dans l’exemple. Tout comme dans les revues scientifiques, les tableaux et graphiques doivent être cité dans le texte.
• une section discussion et conclusions