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.

Aucun cookie à afficher.

Comment calculer une moyenne tronquée dans R (avec exemples)



Une moyenne tronquée est la moyenne d’un ensemble de données qui a été calculée après avoir supprimé un pourcentage spécifique des valeurs les plus petites et les plus grandes de l’ensemble de données.

Par exemple, une moyenne tronquée de 10 % représenterait la moyenne d’un ensemble de données après la suppression des 10 % des valeurs les plus petites et des 10 % des valeurs les plus grandes.

Le moyen le plus simple de calculer une moyenne tronquée dans R consiste à utiliser la syntaxe de base suivante :

#calculate 10% trimmed mean
mean(x, trim=0.1)

Les exemples suivants montrent comment utiliser cette fonction pour calculer une moyenne tronquée dans la pratique.

Exemple 1 : calculer la moyenne tronquée du vecteur

Le code suivant montre comment calculer une moyenne tronquée de 10 % pour un vecteur de données :

#define data
data = c(22, 25, 29, 11, 14, 18, 13, 13, 17, 11, 8, 8, 7, 12, 15, 6, 8, 7, 9, 12)

#calculate 10% trimmed mean
mean(data, trim=0.1)

[1] 12.375

La moyenne tronquée à 10 % est de 12,375 .

Il s’agit de la moyenne de l’ensemble de données après que les 10 % les plus petits et les 10 % les plus grands des valeurs aient été supprimés de l’ensemble de données.

Exemple 2 : calculer la moyenne tronquée de la colonne dans le bloc de données

Le code suivant montre comment calculer une moyenne tronquée de 5 % pour une colonne spécifique dans un bloc de données :

#create data frame
df = data.frame(points=c(25, 12, 15, 14, 19, 23, 25, 29),
                assists=c(5, 7, 7, 9, 12, 9, 9, 4),
                rebounds=c(11, 8, 10, 6, 6, 5, 9, 12))

#calculate 5% trimmed mean of points
mean(df$points, trim=0.05)

[1] 20.25

La moyenne tronquée de 5 % des valeurs de la colonne « points » est de 20,25 .

Il s’agit de la moyenne de la colonne « points » après suppression des 5 % des valeurs les plus petites et des 5 % les plus grandes.

Exemple 3 : calculer la moyenne tronquée de plusieurs colonnes

Le code suivant montre comment calculer une moyenne tronquée de 5 % pour plusieurs colonnes dans un bloc de données :

#create data frame
df = data.frame(points=c(25, 12, 15, 14, 19, 23, 25, 29),
                assists=c(5, 7, 7, 9, 12, 9, 9, 4),
                rebounds=c(11, 8, 10, 6, 6, 5, 9, 12))

#calculate 5% trimmed mean of points and assists
sapply(df[c('points', 'assists')], function(x) mean(x, trim=0.05))

 points assists 
  20.25    7.75 

À partir du résultat, nous pouvons voir :

  • La moyenne tronquée de 5 % de la colonne « points » est de 20,25 .
  • La moyenne tronquée de 5 % de la colonne « passes décisives » est de 7,75 .

Connexe : Un guide pour apply(), lapply(), sapply() et tapply() dans R

Ressources additionnelles

Les didacticiels suivants fournissent des informations supplémentaires sur les moyennes tronquées :

Comment calculer manuellement une moyenne tronquée
Comment calculer une moyenne tronquée en Python
Calculateur de moyenne tronquée

Ajouter un commentaire

Votre adresse e-mail ne sera pas publiée. Les champs obligatoires sont indiqués avec *