forked from DU-Bii/module-3-Stat-R
-
Notifications
You must be signed in to change notification settings - Fork 0
/
Copy pathTP_Cor.html
538 lines (474 loc) · 26.5 KB
/
TP_Cor.html
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
309
310
311
312
313
314
315
316
317
318
319
320
321
322
323
324
325
326
327
328
329
330
331
332
333
334
335
336
337
338
339
340
341
342
343
344
345
346
347
348
349
350
351
352
353
354
355
356
357
358
359
360
361
362
363
364
365
366
367
368
369
370
371
372
373
374
375
376
377
378
379
380
381
382
383
384
385
386
387
388
389
390
391
392
393
394
395
396
397
398
399
400
401
402
403
404
405
406
407
408
409
410
411
412
413
414
415
416
417
418
419
420
421
422
423
424
425
426
427
428
429
430
431
432
433
434
435
436
437
438
439
440
441
442
443
444
445
446
447
448
449
450
451
452
453
454
455
456
457
458
459
460
461
462
463
464
465
466
467
468
469
470
471
472
473
474
475
476
477
478
479
480
481
482
483
484
485
486
487
488
489
490
491
492
493
494
495
496
497
498
499
500
501
502
503
504
505
506
507
508
509
510
511
512
513
514
515
516
517
518
519
520
521
522
523
524
525
526
527
528
529
530
531
532
533
534
535
536
537
538
<!DOCTYPE html>
<html xmlns="http://www.w3.org/1999/xhtml">
<head>
<meta charset="utf-8" />
<meta http-equiv="Content-Type" content="text/html; charset=utf-8" />
<meta name="generator" content="pandoc" />
<meta name="author" content="Magali Berland (INRA) & Leslie REGAD (Université Paris Diderot)" />
<meta name="date" content="2019-02-07" />
<title>Module 3 - Analyse statistique avec R - Séance 2</title>
<script src="TP_Cor_files/jquery-1.11.3/jquery.min.js"></script>
<meta name="viewport" content="width=device-width, initial-scale=1" />
<link href="TP_Cor_files/bootstrap-3.3.5/css/cerulean.min.css" rel="stylesheet" />
<script src="TP_Cor_files/bootstrap-3.3.5/js/bootstrap.min.js"></script>
<script src="TP_Cor_files/bootstrap-3.3.5/shim/html5shiv.min.js"></script>
<script src="TP_Cor_files/bootstrap-3.3.5/shim/respond.min.js"></script>
<script src="TP_Cor_files/jqueryui-1.11.4/jquery-ui.min.js"></script>
<link href="TP_Cor_files/tocify-1.9.1/jquery.tocify.css" rel="stylesheet" />
<script src="TP_Cor_files/tocify-1.9.1/jquery.tocify.js"></script>
<script src="TP_Cor_files/navigation-1.1/tabsets.js"></script>
<script src="TP_Cor_files/navigation-1.1/codefolding.js"></script>
<style type="text/css">code{white-space: pre;}</style>
<style type="text/css">
div.sourceCode { overflow-x: auto; }
table.sourceCode, tr.sourceCode, td.lineNumbers, td.sourceCode {
margin: 0; padding: 0; vertical-align: baseline; border: none; }
table.sourceCode { width: 100%; line-height: 100%; background-color: #303030; color: #cccccc; }
td.lineNumbers { text-align: right; padding-right: 4px; padding-left: 4px; }
td.sourceCode { padding-left: 5px; }
pre, code { color: #cccccc; background-color: #303030; }
code > span.kw { color: #f0dfaf; } /* Keyword */
code > span.dt { color: #dfdfbf; } /* DataType */
code > span.dv { color: #dcdccc; } /* DecVal */
code > span.bn { color: #dca3a3; } /* BaseN */
code > span.fl { color: #c0bed1; } /* Float */
code > span.ch { color: #dca3a3; } /* Char */
code > span.st { color: #cc9393; } /* String */
code > span.co { color: #7f9f7f; } /* Comment */
code > span.ot { color: #efef8f; } /* Other */
code > span.al { color: #ffcfaf; } /* Alert */
code > span.fu { color: #efef8f; } /* Function */
code > span.er { color: #c3bf9f; } /* Error */
code > span.wa { color: #7f9f7f; font-weight: bold; } /* Warning */
code > span.cn { color: #dca3a3; font-weight: bold; } /* Constant */
code > span.sc { color: #dca3a3; } /* SpecialChar */
code > span.vs { color: #cc9393; } /* VerbatimString */
code > span.ss { color: #cc9393; } /* SpecialString */
code > span.im { } /* Import */
code > span.va { } /* Variable */
code > span.cf { color: #f0dfaf; } /* ControlFlow */
code > span.op { color: #f0efd0; } /* Operator */
code > span.bu { } /* BuiltIn */
code > span.ex { } /* Extension */
code > span.pp { color: #ffcfaf; font-weight: bold; } /* Preprocessor */
code > span.at { } /* Attribute */
code > span.do { color: #7f9f7f; } /* Documentation */
code > span.an { color: #7f9f7f; font-weight: bold; } /* Annotation */
code > span.cv { color: #7f9f7f; font-weight: bold; } /* CommentVar */
code > span.in { color: #7f9f7f; font-weight: bold; } /* Information */
div.sourceCode {
overflow-x: visible;
}
</style>
<style type="text/css">
pre:not([class]) {
background-color: white;
}
</style>
<style type="text/css">
h1 {
font-size: 34px;
}
h1.title {
font-size: 38px;
}
h2 {
font-size: 30px;
}
h3 {
font-size: 24px;
}
h4 {
font-size: 18px;
}
h5 {
font-size: 16px;
}
h6 {
font-size: 12px;
}
.table th:not([align]) {
text-align: left;
}
</style>
</head>
<body>
<style type = "text/css">
.main-container {
max-width: 940px;
margin-left: auto;
margin-right: auto;
}
code {
color: inherit;
background-color: rgba(0, 0, 0, 0.04);
}
img {
max-width:100%;
height: auto;
}
.tabbed-pane {
padding-top: 12px;
}
.html-widget {
margin-bottom: 20px;
}
button.code-folding-btn:focus {
outline: none;
}
</style>
<div class="container-fluid main-container">
<!-- tabsets -->
<script>
$(document).ready(function () {
window.buildTabsets("TOC");
});
</script>
<!-- code folding -->
<style type="text/css">
.code-folding-btn { margin-bottom: 4px; }
</style>
<script>
$(document).ready(function () {
window.initializeCodeFolding("show" === "show");
});
</script>
<script>
$(document).ready(function () {
// move toc-ignore selectors from section div to header
$('div.section.toc-ignore')
.removeClass('toc-ignore')
.children('h1,h2,h3,h4,h5').addClass('toc-ignore');
// establish options
var options = {
selectors: "h1,h2,h3",
theme: "bootstrap3",
context: '.toc-content',
hashGenerator: function (text) {
return text.replace(/[.\\/?&!#<>]/g, '').replace(/\s/g, '_').toLowerCase();
},
ignoreSelector: ".toc-ignore",
scrollTo: 0
};
options.showAndHide = true;
options.smoothScroll = true;
// tocify
var toc = $("#TOC").tocify(options).data("toc-tocify");
});
</script>
<style type="text/css">
#TOC {
margin: 25px 0px 20px 0px;
}
@media (max-width: 768px) {
#TOC {
position: relative;
width: 100%;
}
}
.toc-content {
padding-left: 30px;
padding-right: 40px;
}
div.main-container {
max-width: 1200px;
}
div.tocify {
width: 20%;
max-width: 260px;
max-height: 85%;
}
@media (min-width: 768px) and (max-width: 991px) {
div.tocify {
width: 25%;
}
}
@media (max-width: 767px) {
div.tocify {
width: 100%;
max-width: none;
}
}
.tocify ul, .tocify li {
line-height: 20px;
}
.tocify-subheader .tocify-item {
font-size: 0.90em;
padding-left: 25px;
text-indent: 0;
}
.tocify .list-group-item {
border-radius: 0px;
}
</style>
<!-- setup 3col/9col grid for toc_float and main content -->
<div class="row-fluid">
<div class="col-xs-12 col-sm-4 col-md-3">
<div id="TOC" class="tocify">
</div>
</div>
<div class="toc-content col-xs-12 col-sm-8 col-md-9">
<div class="fluid-row" id="header">
<div class="btn-group pull-right">
<button type="button" class="btn btn-default btn-xs dropdown-toggle" data-toggle="dropdown" aria-haspopup="true" aria-expanded="false"><span>Code</span> <span class="caret"></span></button>
<ul class="dropdown-menu" style="min-width: 50px;">
<li><a id="rmd-show-all-code" href="#">Show All Code</a></li>
<li><a id="rmd-hide-all-code" href="#">Hide All Code</a></li>
</ul>
</div>
<h1 class="title toc-ignore">Module 3 - Analyse statistique avec R - Séance 2</h1>
<h3 class="subtitle"><em>DUBii 2019</em></h3>
<h4 class="author"><em>Magali Berland (INRA) & Leslie REGAD (Université Paris Diderot)</em></h4>
<h4 class="date"><em>2019-02-07</em></h4>
</div>
<div id="lancement-de-rstudio" class="section level1">
<h1><span class="header-section-number">1</span> Lancement de <code>Rstudio</code></h1>
<ol style="list-style-type: decimal">
<li><p>Connectez vous à l’interface <code>Rstudio</code> de la plateforme IFB en utilisant l’adresse suivante : <a href="https://rstudio.cluster.france-bioinformatique.fr/">lien</a></p></li>
<li><p>Ouvrez un nouveau fichier <code>R script</code> en utilisant le menu <code>File</code>.</p></li>
</ol>
</div>
<div id="description-des-donnees" class="section level1">
<h1><span class="header-section-number">2</span> Description des données</h1>
<ol style="list-style-type: decimal">
<li>Ouvrez les deux fichiers de données en utilisant la fonction <code>readRDS()</code>. Vérifiez que les objects créés ont les bonnes dimensions.</li>
</ol>
<div class="sourceCode"><pre class="sourceCode r"><code class="sourceCode r">metaFile <-<span class="st"> </span><span class="kw">readRDS</span>(<span class="st">"data/metadata.RDS"</span>)
<span class="kw">dim</span>(metaFile)</code></pre></div>
<pre><code>[1] 237 13</code></pre>
<div class="sourceCode"><pre class="sourceCode r"><code class="sourceCode r">abonDF <-<span class="st"> </span><span class="kw">readRDS</span>(<span class="st">"data/microbiota.abundance.log.RDS"</span>)
<span class="kw">dim</span>(abonDF)</code></pre></div>
<pre><code>[1] 237 523</code></pre>
<p>Pensez à adapter la localisation des fichiers à votre environnemment et l’architecture de vos dossiers.</p>
<ol start="2" style="list-style-type: decimal">
<li>Quels types de variables contient le fichier <code>metadata.RDS</code> (fonction <code>str()</code>).</li>
</ol>
<div class="sourceCode"><pre class="sourceCode r"><code class="sourceCode r"><span class="kw">str</span>(metaFile)</code></pre></div>
<pre><code>'data.frame': 237 obs. of 13 variables:
$ Age : num 40 42 29 43 42 32 33 26 52 36 ...
$ Gender : Factor w/ 2 levels "female","male": 1 1 1 1 2 2 2 2 2 1 ...
$ BMI : num 20 19.9 17.9 25 21.8 ...
$ status : Factor w/ 2 levels "healthy","liver": 1 1 1 1 1 1 1 1 1 1 ...
$ INR : num NA NA NA NA NA NA NA NA NA NA ...
$ Crea : num 53 46 44 41 79 68 62 83 87 57 ...
$ Alb : num 49.4 48.2 47.9 45.4 50.1 52 54.1 47.8 45.6 49.9 ...
$ TB : num 10 24 13 10 12 21 19 11 7 11 ...
$ PT : num NA NA NA NA NA NA NA NA NA NA ...
$ CTP : num NA NA NA NA NA NA NA NA NA NA ...
$ MELD : num NA NA NA NA NA NA NA NA NA NA ...
$ GC : num 168176 254957 93942 188875 238698 ...
$ Enterotype: num 1 1 1 1 1 1 1 1 1 1 ...</code></pre>
<p>Les variables sont toutes numériques sauf les variables</p>
<ul>
<li>“Gender” : variable à 2 classes “female” et “male”</li>
<li>status : variable à 2 classes “healthy”,“liver”</li>
</ul>
<ol start="3" style="list-style-type: decimal">
<li>Déterminez le nombre et la proportion de patients sains et malades dans le jeu de données. Représentez ces distributions à l’aide de graphiques en bâtons (fonctions <code>table()</code> et <code>barplot()</code>).</li>
</ol>
<div class="sourceCode"><pre class="sourceCode r"><code class="sourceCode r"><span class="kw">table</span>(metaFile[,<span class="st">"Gender"</span>])</code></pre></div>
<pre><code>
female male
81 156 </code></pre>
<div class="sourceCode"><pre class="sourceCode r"><code class="sourceCode r"><span class="kw">table</span>(metaFile[,<span class="st">"Gender"</span>]) <span class="op">/</span><span class="st"> </span><span class="kw">nrow</span>(metaFile)</code></pre></div>
<pre><code>
female male
0.3417722 0.6582278 </code></pre>
<div class="sourceCode"><pre class="sourceCode r"><code class="sourceCode r"><span class="kw">barplot</span>(<span class="kw">table</span>(metaFile[,<span class="st">"Gender"</span>]), <span class="dt">ylab=</span><span class="st">"Occurrence"</span>, <span class="dt">xlab=</span><span class="st">"Genre"</span>)</code></pre></div>
<p><img src="figures/07_tests_multiplesunnamed-chunk-4-1.png" width="672" style="display: block; margin: auto;" /></p>
<ol start="4" style="list-style-type: decimal">
<li>Déterminez le nombre et la proportion d’hommes et de femmes dans le jeu de données. Représentez ces distributions à l’aide de graphiques en bâtons (fonctions <code>table()</code> et <code>barplot()</code>).</li>
</ol>
<div class="sourceCode"><pre class="sourceCode r"><code class="sourceCode r"><span class="kw">table</span>(metaFile[,<span class="st">"status"</span>])</code></pre></div>
<pre><code>
healthy liver
114 123 </code></pre>
<div class="sourceCode"><pre class="sourceCode r"><code class="sourceCode r"><span class="kw">table</span>(metaFile[,<span class="st">"status"</span>])<span class="op">/</span><span class="kw">nrow</span>(metaFile)</code></pre></div>
<pre><code>
healthy liver
0.4810127 0.5189873 </code></pre>
<div class="sourceCode"><pre class="sourceCode r"><code class="sourceCode r"><span class="kw">barplot</span>(<span class="kw">table</span>(metaFile[,<span class="st">"status"</span>]), <span class="dt">ylab=</span><span class="st">"Occurrence"</span>, <span class="dt">xlab=</span><span class="st">"Status"</span>)</code></pre></div>
<p><img src="figures/07_tests_multiplesunnamed-chunk-5-1.png" width="672" style="display: block; margin: auto;" /></p>
<ol start="5" style="list-style-type: decimal">
<li>En utilisant la fonction <code>summary()</code>, étudiez la distribution des différentes variables. Que remarquez vous pour les variables <code>INR</code>, <code>Crea</code>, <code>Alb</code>, <code>TB</code>, <code>PT</code>, <code>CTP</code>, <code>MELD</code> et <code>Enterotype</code>.</li>
</ol>
<div class="sourceCode"><pre class="sourceCode r"><code class="sourceCode r"><span class="kw">summary</span>(metaFile)</code></pre></div>
<pre><code> Age Gender BMI status INR Crea Alb TB PT CTP MELD GC Enterotype
Min. :18.00 female: 81 Min. :15.94 healthy:114 Min. :0.920 Min. : 30.00 Min. :15.20 Min. : 5.00 Min. :11.00 Min. : 5.000 Min. :-6.10 Min. : 59985 Min. :1.000
1st Qu.:38.00 male :156 1st Qu.:20.31 liver :123 1st Qu.:1.145 1st Qu.: 53.00 1st Qu.:32.75 1st Qu.: 12.00 1st Qu.:13.45 1st Qu.: 6.000 1st Qu.: 4.15 1st Qu.:127420 1st Qu.:1.000
Median :45.00 Median :21.97 Median :1.280 Median : 63.00 Median :43.40 Median : 16.00 Median :14.70 Median : 7.000 Median : 7.40 Median :159838 Median :1.000
Mean :46.45 Mean :22.28 Mean :1.350 Mean : 65.27 Mean :40.50 Mean : 41.51 Mean :15.63 Mean : 7.691 Mean : 8.30 Mean :163524 Mean :1.541
3rd Qu.:54.00 3rd Qu.:23.94 3rd Qu.:1.465 3rd Qu.: 76.00 3rd Qu.:48.70 3rd Qu.: 30.00 3rd Qu.:17.05 3rd Qu.: 9.000 3rd Qu.:11.95 3rd Qu.:193856 3rd Qu.:2.000
Max. :78.00 Max. :35.16 Max. :2.350 Max. :163.00 Max. :57.60 Max. :597.00 Max. :27.00 Max. :14.000 Max. :23.40 Max. :308606 Max. :3.000
NA's :114 NA's :3 NA's :3 NA's :3 NA's :114 NA's :114 NA's :114 NA's :56 </code></pre>
<ol start="6" style="list-style-type: decimal">
<li>Identifiez les individus qui ont des <code>NA</code> pour la variable <code>Crea</code> (fonctions <code>which()</code> et <code>is.na()</code>). Quel est le statut clinique de ces patients ? Quel est le genre de ces individus ?</li>
</ol>
<div class="sourceCode"><pre class="sourceCode r"><code class="sourceCode r">ind.na <-<span class="st"> </span><span class="kw">which</span>(<span class="kw">is.na</span>(metaFile[,<span class="st">"Crea"</span>]))
ind.na</code></pre></div>
<pre><code>[1] 56 73 74</code></pre>
<div class="sourceCode"><pre class="sourceCode r"><code class="sourceCode r">metaFile[ind.na,<span class="st">"status"</span>]</code></pre></div>
<pre><code>[1] healthy healthy healthy
Levels: healthy liver</code></pre>
<div class="sourceCode"><pre class="sourceCode r"><code class="sourceCode r">metaFile[ind.na, <span class="st">"Gender"</span>]</code></pre></div>
<pre><code>[1] female female female
Levels: female male</code></pre>
<p>Trois individus (56, 73, 74) ont des valeurs <code>NA</code> pour la variable <code>Crea</code>. Ces trois individus sont des patients contrôles de sexe féminin.</p>
<ol start="7" style="list-style-type: decimal">
<li>Est-ce que ces individus ont des <code>NA</code> pour les autres variables ?</li>
</ol>
<div class="sourceCode"><pre class="sourceCode r"><code class="sourceCode r">metaFile[ind.na,]</code></pre></div>
<pre><code> Age Gender BMI status INR Crea Alb TB PT CTP MELD GC Enterotype
H52 32 female 20.32 healthy NA NA NA NA NA NA NA 209020 1
H80 50 female 19.53 healthy NA NA NA NA NA NA NA 195091 1
H81 50 female 20.55 healthy NA NA NA NA NA NA NA 252289 1</code></pre>
<p>On observe que ces trois individus contrôles ont aussi des <code>NA</code> pour <code>INR</code>, <code>Crea</code>, <code>Alb</code>, <code>TB</code>, <code>PT</code>, <code>CTP</code>, <code>MELD</code>.</p>
<ol start="8" style="list-style-type: decimal">
<li>Suppimez ces individus des deux data.frames qui contiennent les deux jeux de données</li>
</ol>
<div class="sourceCode"><pre class="sourceCode r"><code class="sourceCode r">metaFile2 =<span class="st"> </span>metaFile[<span class="op">-</span>ind.na,]
abonDF2 <-<span class="st"> </span>abonDF[<span class="op">-</span>ind.na,]
<span class="kw">dim</span>(metaFile2) ; <span class="kw">dim</span>(abonDF2)</code></pre></div>
<pre><code>[1] 234 13</code></pre>
<pre><code>[1] 234 523</code></pre>
<ol start="9" style="list-style-type: decimal">
<li>Déterminez la moyenne et l’écart-type de chaque variable quantitative (fonctions <code>apply()</code>, <code>mean()</code> et <code>sd()</code>).</li>
</ol>
<div class="sourceCode"><pre class="sourceCode r"><code class="sourceCode r">var.sel <-<span class="st"> </span><span class="kw">c</span>( <span class="st">"Age"</span>, <span class="st">"BMI"</span>, <span class="st">"INR"</span>, <span class="st">"Crea"</span>, <span class="st">"Alb"</span>, <span class="st">"TB"</span>, <span class="st">"PT"</span>, <span class="st">"CTP"</span>, <span class="st">"MELD"</span>, <span class="st">"GC"</span>)
<span class="kw">round</span>(<span class="kw">apply</span>(metaFile2[, var.sel],<span class="dv">2</span>,mean, <span class="dt">na.rm=</span>T),<span class="dv">3</span>)</code></pre></div>
<pre><code> Age BMI INR Crea Alb TB PT CTP MELD GC
46.483 22.308 1.350 65.269 40.502 41.509 15.625 7.691 8.300 162815.295 </code></pre>
<div class="sourceCode"><pre class="sourceCode r"><code class="sourceCode r"><span class="kw">round</span>(<span class="kw">apply</span>(metaFile2[, var.sel],<span class="dv">2</span>,sd, <span class="dt">na.rm=</span>T),<span class="dv">3</span>)</code></pre></div>
<pre><code> Age BMI INR Crea Alb TB PT CTP MELD GC
10.971 2.578 0.282 17.471 9.613 85.947 3.196 2.188 5.903 49482.070 </code></pre>
<p>La fonction <code>round()</code> permet d’arrondir les valeurs à 3 chiffres après la virugle.</p>
</div>
<div id="comparaison-des-patients-malades-et-sains" class="section level1">
<h1><span class="header-section-number">3</span> Comparaison des patients malades et sains</h1>
<div id="mise-en-place-de-tests-de-comparaison-de-deux-moyennes" class="section level2">
<h2><span class="header-section-number">3.1</span> Mise en place de tests de comparaison de deux moyennes</h2>
<p>On cherche à savoir si les patients et les individus contrôles présentent des caractéristiques différentes. Pour cela, on se pose les questions suivantes ?</p>
<ul>
<li>Est-ce que l’âge des patients est significativement différent de celui des contrôles sains ?</li>
<li>Est-ce que l’indice de masse corporel des patients est significativement différent de celui des contrôles sains ?</li>
<li>Le taux de créatinine des patients est-il significativement différent de celui des contrôles sains ?</li>
<li>Le nombre de gènes différentiellement exprimés chez les patients est-il significativement différent de celui chez les contrôles sains ?</li>
</ul>
<p>Créez deux data.frames qui contiennent pour le premier les métadonnées pour les patients sains et pour le second les métadonnées pour les patients malades.</p>
<p>Pour chacunes des questions précédentes, effectuez les étapes suivantes :</p>
<ol style="list-style-type: decimal">
<li>Identifiez la variable aléatoire étudiée.</li>
<li>Identifiez le test que vous allez réaliser.</li>
<li>Représentez, sur le même graphique, la distribution de la variable aléatoire chez les individus sains et les patients malades en utilisant des boîtes à moustaches (fonction <code>boxplot()</code>).</li>
<li>Calculez la moyenne et l’écart-type de la variable chez les individus sains et malades (fonctions <code>by()</code>, <code>means()</code> et <code>sd()</code>).</li>
<li>Calculez l’intervalle de confiance à 95% de l’espérance de la variable aléatoire pour les individus sains et les individus malades (fonctions <code>qnorm()</code> et <code>var()</code>).</li>
<li>Effectuez le test statistique pour répondre à la question. Posez les hypothèses et concluez au test. (fonctions <code>t.test()</code>)</li>
</ol>
</div>
<div id="mise-en-place-de-tests-de-chi2-dhomogeneite" class="section level2">
<h2><span class="header-section-number">3.2</span> Mise en place de tests de chi2 d’homogénéité</h2>
<p>Ensuite, on se demande si la maladie cirrhose touche autant les hommes que les femmes. Pour répondre à cette question, vous allez réaliser un test du Chi2 d’homogénéité.</p>
<ol style="list-style-type: decimal">
<li><p>Définissez les variables aléatoires sur lesquelles vous allez travailler pour répondre à cette question.</p></li>
<li><p>Déterminez la table de contigence qui renvoie le nombre de femmes et d’hommes chez les individus sains et les patients malades (fonction <code>table()</code>).</p></li>
</ol>
<table>
<thead>
<tr class="header">
<th>Status</th>
<th>female</th>
<th>male</th>
</tr>
</thead>
<tbody>
<tr class="odd">
<td>healthy</td>
<td>42</td>
<td>72</td>
</tr>
<tr class="even">
<td>liver</td>
<td>39</td>
<td>84</td>
</tr>
</tbody>
</table>
<ol start="3" style="list-style-type: decimal">
<li>Réalisez le test du chi2 à partir de cett table de contigence. (fonction <code>chisq.test()</code>). Avant de conclure pensez à vérifier les conditions de validité du test qui sont que tous les effectifs théoriques doivent être supérieurs à 5 (argument <code>$expected</code> de la fonction <code>chisq.test()</code>).</li>
</ol>
<p>Pour finir nous cherchons à savoir si la distribution des enterotypes est différent chez les individus sains et les patients malades. Pour répondre à cette question, vous allez réaliser un test de chi2.</p>
<ol style="list-style-type: decimal">
<li>Identifiez les variables aléatoires que vous allez utiliser pour répondre à cette question.</li>
<li>Déterminez la table de contingence (fonction <code>table()</code>).</li>
<li><p>Effectuez le test du chi2 sur cette table de contingence (fonction <code>chisq.test()</code>).</p></li>
<li><p>Comparez les effectifs théoriques et observés pour finaliser votre conclusion au test (argument <code>$expected</code> de la fonction <code>chisq.test()</code>).</p></li>
</ol>
</div>
</div>
<div id="etude-des-differents-enterotypes" class="section level1">
<h1><span class="header-section-number">4</span> Etude des différents entérotypes</h1>
<p>On se demande si la composition de l’entérotype à une influence sur l’indice de masse corporelle des individus.</p>
<ol style="list-style-type: decimal">
<li><p>Représentez la distribution de l’indice de masse corporelle pour les individus en fonction de leur entérotype (fonction <code>boxplot()</code>).</p></li>
<li><p>Définissez la variable aléatoire et les échantillons</p></li>
</ol>
<p>Pour répondre à la question, il faut effectuer un test de comparaison de 3 moyennes en utilisant un test ANOVA.<br />
Ce test a deux conditions de validité :</p>
<ul>
<li>Il faut que la variable aléatoire <span class="math inline">\(X\)</span> suive une loi normale dans les trois échantillons.</li>
<li>Il faut que la variable aléatoire <span class="math inline">\(X\)</span> ait la même variance dans les trois échantillons (Homoscédaticité de <span class="math inline">\(X\)</span>).</li>
</ul>
<ol start="3" style="list-style-type: decimal">
<li><p>Testez la normalité de <span class="math inline">\(X\)</span> dans les 3 échantillons. (fonction <code>by()</code>, <code>shapiro.test()</code>)</p></li>
<li><p>Testez l’homoscédaticité de <span class="math inline">\(X\)</span> (foncion <code>bartlett.test()</code>).</p></li>
</ol>
<p>Les résultats que vous avez obtenus vous permettent de conclure que les conditions de validité du test ANOVA ne sont pas vérifiées. Pour répondre à la question, vous allez donc utiliser un test non paramétrique : le test de Kruskall-Wallis (fonction <code>kruskal.test()</code>).</p>
</div>
<div id="analyse-en-composante-principale" class="section level1">
<h1><span class="header-section-number">5</span> Analyse en composante principale</h1>
<div id="jeu-de-donnees-metadata" class="section level2">
<h2><span class="header-section-number">5.1</span> Jeu de données <code>metadata</code></h2>
<ol style="list-style-type: decimal">
<li>Réalisez une ACP sur ce jeu de données</li>
</ol>
<ol style="list-style-type: lower-alpha">
<li>Quel pourcentage de la variance expliquée est représentée dans le premier plan factoriel ?</li>
<li>Proposez une représentation graphique des individus avec les individus malades d’une couleur et les individus sains d’une autre.</li>
<li>Pouvez-vous donner une interprétation de ce graphique ? Vous pouvez pour cela vous aider du cercle des corrélations.</li>
</ol>
</div>
<div id="jeu-de-donnees-microbiota.abundance" class="section level2">
<h2><span class="header-section-number">5.2</span> Jeu de données <code>microbiota.abundance</code></h2>
<ol start="2" style="list-style-type: decimal">
<li>Réalisez une ACP centrée réduite sur ce jeu de données.</li>
</ol>
<ol style="list-style-type: lower-alpha">
<li>Quel pourcentage de la variance expliquée est représentée dans le premier plan factoriel ?</li>
<li>Proposez une représentation graphique des individus avec les individus malades d’une couleur et les individus sains d’une autre.</li>
<li>Proposez une représentation graphique des individus avec les enterotypes de trois couleurs différentes. Que constatez-vous ?</li>
</ol>
</div>
</div>
</div>
</div>
</div>
<script>
// add bootstrap table styles to pandoc tables
function bootstrapStylePandocTables() {
$('tr.header').parent('thead').parent('table').addClass('table table-condensed');
}
$(document).ready(function () {
bootstrapStylePandocTables();
});
</script>
<!-- dynamically load mathjax for compatibility with self-contained -->
<script>
(function () {
var script = document.createElement("script");
script.type = "text/javascript";
script.src = "https://mathjax.rstudio.com/latest/MathJax.js?config=TeX-AMS-MML_HTMLorMML";
document.getElementsByTagName("head")[0].appendChild(script);
})();
</script>
</body>
</html>