Nous utilisons des cookies pour améliorer votre expérience de navigation, diffuser des publicités ou du contenu personnalisés et analyser notre trafic. En cliquant sur "Tout accepter", vous consentez à notre utilisation des cookies.
Personnaliser les préférences
Nous utilisons des cookies pour vous aider à naviguer efficacement et à exécuter certaines fonctions. Vous trouverez ci-dessous des informations détaillées sur tous les cookies sous chaque catégorie de consentement.
Les cookies classés comme « Nécessaires » sont stockés sur votre navigateur car ils sont essentiels pour activer les fonctionnalités de base du site....
Toujours actif
Necessary cookies are required to enable the basic features of this site, such as providing secure log-in or adjusting your consent preferences. These cookies do not store any personally identifiable data.
Aucun cookie à afficher.
Functional cookies help perform certain functionalities like sharing the content of the website on social media platforms, collecting feedback, and other third-party features.
Aucun cookie à afficher.
Analytical cookies are used to understand how visitors interact with the website. These cookies help provide information on metrics such as the number of visitors, bounce rate, traffic source, etc.
Aucun cookie à afficher.
Performance cookies are used to understand and analyze the key performance indexes of the website which helps in delivering a better user experience for the visitors.
Aucun cookie à afficher.
Advertisement cookies are used to provide visitors with customized advertisements based on the pages you visited previously and to analyze the effectiveness of the ad campaigns.
Le test de Kolmogorov-Smirnov est utilisé pour tester si un échantillon provient ou non d’une certaine distribution. Pour effectuer un test de Kolmogorov-Smirnov à un ou deux échantillons dans R, nous pouvons utiliser la fonction ks.test() . Ce didacticiel montre un...
Untest z à une proportion est utilisé pour comparer une proportion observée à une proportion théorique. Ce test utilise les hypothèses nulles suivantes : H 0 : p = p 0 (la proportion de la population est égale à la proportion hypothétique p...
Untest z à une proportion est utilisé pour comparer une proportion observée à une proportion théorique. Ce test utilise les hypothèses nulles suivantes : H 0 : p = p 0 (la proportion de la population est égale à la proportion hypothétique p...
La manière la plus courante de comparer les moyennes entre deux groupes indépendants consiste à utiliser un test t à deux échantillons . Cependant, ce test suppose que les variances entre les deux groupes sont égales. Si vous pensez que la...
Une façon de quantifier la relation entre deux variables consiste à utiliser le coefficient de corrélation de Pearson , qui est une mesure de l’association linéaire entre deux variables . Il prend toujours une valeur comprise entre -1 et 1 où...
Vous pouvez rapidement ajouter des lignes verticales aux tracés ggplot2 à l’aide de la fonction geom_vline() , qui utilise la syntaxe suivante : geom_vline(xintercept, type de ligne, couleur, taille) où: xintercept : emplacement pour ajouter une ligne sur l’intersection x. Il peut s’agir...
Le test t de Welch est utilisé pour comparer les moyennes entre deux groupes indépendants lorsqu’on ne suppose pas que les deux groupes ont des variances égales. Pour effectuer le test t de Welch dans R, nous pouvons utiliser la fonction...
Un test d’indépendance du chi carré est utilisé pour déterminer s’il existe ou non une association significative entre deux variables catégorielles . Ce didacticiel explique comment effectuer un test d’indépendance du chi carré dans R. Exemple : test du chi carré d’indépendance...
Un test d’ajustement du chi carré est utilisé pour déterminer si une variable catégorielle suit ou non une distribution hypothétique. Ce didacticiel explique comment effectuer un test d’ajustement du chi carré dans R. Exemple : test d’adéquation du chi carré dans R...
Il existe deux façons de créer rapidement des tables dans R : Méthode 1 : créez un tableau à partir de données existantes. tab <- table(df$row_variable, df$column_variable) Méthode 2 : créez un tableau à partir de zéro. tab <- matrix(c(7, 5, 14, 19, 3, 2, 17,...
