Master 2 Géomatique, Géomarketing et Multimédia
Transcription
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