-
Notifications
You must be signed in to change notification settings - Fork 0
/
10_analyse_descriptive_bivariee_quali_quanti.qmd
308 lines (223 loc) · 6.59 KB
/
10_analyse_descriptive_bivariee_quali_quanti.qmd
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50
51
52
53
54
55
56
57
58
59
60
61
62
63
64
65
66
67
68
69
70
71
72
73
74
75
76
77
78
79
80
81
82
83
84
85
86
87
88
89
90
91
92
93
94
95
96
97
98
99
100
101
102
103
104
105
106
107
108
109
110
111
112
113
114
115
116
117
118
119
120
121
122
123
124
125
126
127
128
129
130
131
132
133
134
135
136
137
138
139
140
141
142
143
144
145
146
147
148
149
150
151
152
153
154
155
156
157
158
159
160
161
162
163
164
165
166
167
168
169
170
171
172
173
174
175
176
177
178
179
180
181
182
183
184
185
186
187
188
189
190
191
192
193
194
195
196
197
198
199
200
201
202
203
204
205
206
207
208
209
210
211
212
213
214
215
216
217
218
219
220
221
222
223
224
225
226
227
228
229
230
231
232
233
234
235
236
237
238
239
240
241
242
243
244
245
246
247
248
249
250
251
252
253
254
255
256
257
258
259
260
261
262
263
264
265
266
267
268
269
270
271
272
273
274
275
276
277
278
279
280
281
282
283
284
285
286
287
288
289
290
291
292
293
294
295
296
297
298
299
300
301
302
303
304
305
306
307
308
---
title: "Analyse descriptive bivariée"
author: "Marie Vaugoyeau"
date: "2024/02/11"
format:
pdf:
toc: true
toc-depth: 2
number-sections: true
editor: visual
---
# introduction
## jeu de données
Le jeu de données est disponible sur la page du cours d'OC.
## import des packages
```{r}
library(multcomp)
library(tidyverse)
```
## import des données
```{r}
donnees_temperature <- read_csv(
"data/donnees_temperature_corrigees.csv",
col_types = c("fDfnnnfffnffnnn")
)
# réordonne les modalités des variables département, region et code_insee_departement
donnees_temperature <- donnees_temperature |>
mutate(
departement = fct_relevel(donnees_temperature$departement, sort),
region = fct_relevel(donnees_temperature$region, sort),
code_insee_departement = fct_inseq(donnees_temperature$code_insee_departement)
)
summary(donnees_temperature)
```
# analyse descriptive bivariée
## quanti - quanti
### tmin et tmoy
```{r}
# représentation graphique
donnees_temperature |>
ggplot() +
aes(x = tmoy, y = tmin) +
geom_point(alpha = 0.2, size = 0.2) +
theme_classic()
# calcul de l'équation linéaire
regression_lineaire <- lm(tmin ~ tmoy, data = donnees_temperature)
## coefficient
regression_lineaire
# validation du modèle (montré les résidus)
summary(regression_lineaire)
# visualisation graphique
donnees_temperature |>
ggplot() +
aes(x = tmoy, y = tmin) +
geom_point(alpha = 0.2, size = 0.2) +
geom_abline(aes(slope = 0.86, intercept = -2.93), color = "red") +
theme_classic()
# autre visualisation
donnees_temperature |>
ggplot() +
aes(x = tmoy, y = tmin) +
geom_point(alpha = 0.2, size = 0.2) +
geom_smooth(method = "lm") +
geom_abline(aes(slope = 0.86, intercept = -2.93), color = "red") +
ggpubr::stat_regline_equation() +
theme_classic()
```
### tmin et max
```{r}
# représentation graphique
donnees_temperature |>
ggplot() +
aes(x = tmin, y = tmax) +
geom_point(alpha = 0.2, size = 0.2) +
theme_classic()
# calcul de l'équation linéaire
regression_lineaire <- lm(tmax ~ tmin, data = donnees_temperature)
## coefficient
regression_lineaire
# validation du modèle (montré les résidus)
summary(regression_lineaire)
# autre visualisation
donnees_temperature |>
ggplot() +
aes(x = tmin, y = tmax) +
geom_point(alpha = 0.2, size = 0.2) +
geom_smooth(method = "lm") +
ggpubr::stat_regline_equation() +
theme_classic()
```
Oui la température maximale est liée à la température minimale selon l'équation : tmax \~ `r regression_lineaire$coefficients[2]` \* tmin + `r regression_lineaire$coefficients[1]`
### tmin et densité de population
```{r}
# représentation graphique
donnees_temperature |>
ggplot() +
aes(x = tmin, y = densite_humaine_par_km_carre ) +
geom_point(alpha = 0.2, size = 0.2) +
theme_classic()
```
Il n'y a pas de lien visible à cause des points extrêmes en densité mais aussi à cause de la variation des températures minimales toutes l'année.
## quali - quali
### tableau de contingence
```{r}
donnees_temperature_province <- donnees_temperature |>
filter(region != "Île-de-France") |>
droplevels()
table(donnees_temperature_province$region, donnees_temperature_province$densite_pop, useNA = "ifany")
count(donnees_temperature_province, region, densite_pop, .drop = FALSE)
count(donnees_temperature_province, region, densite_pop)
```
### carte des points chauds
```{r}
donnees_temperature_province |>
count(region, densite_pop) |>
ggplot() +
aes(x = densite_pop, y = region, fill = n) +
geom_tile() +
theme_classic()
```
### test du khi-deux
```{r}
table(donnees_temperature_province$region, donnees_temperature_province$densite_pop) |>
chisq.test()
```
Les régions de province n'ont pas la même distribution de densité de population.\
Au moins une des régions est différentes des autres.
## quanti - quali
### tmin et densité de pop
#### représentation graphique
```{r}
donnees_temperature |>
ggplot() +
aes(x = densite_pop, y = tmin, color = densite_pop) +
geom_boxplot() +
theme_classic()
```
### ANOVA
```{r}
bartlett.test(tmin ~ densite_pop, data = donnees_temperature)
```
```{r}
anova <- aov(
tmin ~ densite_pop, data = donnees_temperature
)
summary(anova)
# vérification de la normalité des résidus
plot(anova)
TukeyHSD(anova)
tukey <- glht(anova, linfct = mcp(densite_pop = "Tukey"))
summary(tukey, test = adjusted("holm"))
# visualisation
donnees_temperature |>
ggplot() +
aes(x = densite_pop, y = tmin, color = densite_pop) +
geom_boxplot() +
geom_text(
aes(
y = 30,
label = cld(tukey)$mcletters$Letters),
data = cld(tukey)$mcletters$Letters |>
as.data.frame() |>
rownames_to_column(var = "densite_pop")
) +
theme_classic()
```
### Kruskal-Wallis
```{r}
kruskal.test(
tmin ~ densite_pop, data = donnees_temperature
)
PMCMRplus::kwAllPairsNemenyiTest(
tmin ~ densite_pop, data = donnees_temperature
)
```
### tmoy et densité de pop
#### représentation graphique
```{r}
donnees_temperature |>
ggplot() +
aes(x = densite_pop, y = tmoy, color = densite_pop) +
geom_boxplot() +
theme_classic()
```
### ANOVA
```{r}
bartlett.test(tmoy ~ densite_pop, data = donnees_temperature)
```
Les variances ne sont pas similaires donc on ne peut pas réaliser d'ANOVA
### Kruskal-Wallis
```{r}
kruskal.test(
tmoy ~ densite_pop, data = donnees_temperature
)
PMCMRplus::kwAllPairsNemenyiTest(
tmoy ~ densite_pop, data = donnees_temperature
)
```
Les températures minimales sont similaires entre les zones peu peuplé et très peuplé, ces températures sont inférieurs aux températures mesurées dans les zones peuplé et sur-peuplé, qui sont similaires entre elles.
### tmax et densité de pop
#### représentation graphique
```{r}
donnees_temperature |>
ggplot() +
geom_jitter(alpha = 0.2, size = 0.2) +
aes(x = densite_pop, y = tmax, color = densite_pop) +
theme_classic()
```
### ANOVA
```{r}
bartlett.test(tmax ~ densite_pop, data = donnees_temperature)
```
Pas non plus d'ANOVA autorisez ici car les variances ne sont pas identiques.
### Kruskal-Wallis
```{r}
kruskal.test(
tmax ~ densite_pop, data = donnees_temperature
)
PMCMRplus::kwAllPairsNemenyiTest(
tmax ~ densite_pop, data = donnees_temperature
)
```
Les températures max enregistrées en zone peu peuplé sont significativement plus haute que celle enregistrées dans toutes les autres zones. Les températures enregistré en zones sur-peuplé sont similaires à celles enregistrées en zone peuplé et très peuplé. Les températures sont significativement plus haute en zone peuplé que qu'en zone très peuplé.