Master 2 Géomatique, Géomarketing et Multimédia

Master 2 Géomatique, Géomarketing et Multimédia
Utilisation du logiciel R pour le traitement et l’analyse des données spatialisées
Alice Favre
Plan général du cours (39 h : 13 séances de 3h)
Séance 1 :
Introduction
- R pour l’analyse statistique et la représentation graphique
- Objectifs du cours
Appliquer les statistiques aux données spatialisées et représenter les résultats sous forme de
carte, graphique et tableau.
Caractéristiques des données spatialisées utilisées :
ponctuelles (distribution spatiale non homogène) ;
continues (distribution spatiale homogène en point de grille) ;
surfaciques (polygone).
Présentation du logiciel (version pour Windows)
- Installation (base)
- Les packages
- Espace de travail
- Fenêtre des commandes
- Fenêtre script
- Fenêtre graphique
- Fermer une session / sauvegarde du travail
- Documentation – Ressource
Séance 2 : Les bases du langage R
- Expressions mathématiques
- Séparateur de commandes « ; »
- Fonctions de calcul élémentaire
- Créer un objet R / assignement
- Créer un objet vecteur numérique simple
- Créer un objet vecteur caractère simple
- Extraire les valeurs d’un vecteur simple
- Utiliser les opérateurs logiques / de comparaison
- Vocabulaire R: attributs d’un objet R
Séance 3 : Explorer les données
- Le package datasets et la fonction data()
- Importer des données
- Description d’une base de données non spatialisées
- Description d’une base de données spatialisées
Séance 4 : Manipuler des objets R de différentes « class »
1
-
vector: numeric, logical, character, factor
matrix, array
table, data.frame, list
function
Séance 5: Etude de la fréquence
- Définir des classes (amplitude, intervalle régulier)
- Les effectifs
- La fréquence / fréquence relative
- Fréquence cumulative croissante
Séance 6: Mesures statistiques
- Moyenne, médiane (position)
- Dispersion
- Variance, écart-type
Séance 7 : Test statistique
- Loi binomiale
- Loi de Poisson
- Loi normale
- Loi du chi2
- Loi de student
- Intervalle de confiance
- Valeur critique – p-value
Séance 8 et 9 : Liaison entre deux variables
- Centrer et réduire une variable
- Covariance et corrélation
- Régression linéaire
Séances 10 et 11 : Structure spatiale
- Autocorrélation
- Variogramme
- Interpolation spatiale
Séances 12 et 13 : Analyses multivariées descriptives
- Matrice de corrélation
- Classification hiérarchique
- Analyse en composante principale
2