9 Décrire
En se basant sur les chapitres Calculer et Manipuler, l’utilisateur possède les fondements pour obtenir les informations sommaires d’un jeu de données. Il voudra régulièrement réaliser des analyses descriptives sur ce dernier.
9.1 Les variables à échelles continues
Une méthode simple et efficace pour obtenir des indices statistiques pour des variables à échelle continue est de passer par le package psych (Revelle, 2021) qui offre deux fonctions intéressantes : describe() et describeBy(). En mettant simplement en argument le jeu de données, ces fonctions retournent la plupart des statistiques descriptives désirables, comme la moyenne, la médiane, l’étendue, le minimum, le maximum, l’écart type et la taille. Comme la sortie est un jeu de données, celle-ci peut être manipulée pour retirer les statistiques qui ne sont pas désirées.
Voici un exemple avec le jeu de données ToothGrowth inclus avec R.
psych::describe(ToothGrowth)[,-c(1,5)]
> n mean sd trimmed mad min max range skew
> len 60 18.81 7.65 18.95 9.04 4.2 33.9 29.7 -0.14
> supp* 60 1.50 0.50 1.50 0.74 1.0 2.0 1.0 0.00
> dose 60 1.17 0.63 1.15 0.74 0.5 2.0 1.5 0.37
> kurtosis se
> len -1.04 0.99
> supp* -2.03 0.07
> dose -1.55 0.08Il est possible de conserver ou retirer les colonnes non désirées en les spécifiant (voir Référer à des sous-éléments).
# Enregistrer les analyses descriptives
descriptif <- psych::describe(ToothGrowth)
# Conserver mean et sd
descriptif[,c("mean","sd")]
> mean sd
> len 18.81 7.65
> supp* 1.50 0.50
> dose 1.17 0.63
# Ou encore
# Retirer n (1),
# trimmed, mad, min, max, range (6:10),
# et se (13)
descriptif[,-c(1, 6:10, 13)]
> n mean sd median skew kurtosis
> len 60 18.81 7.65 19.2 -0.14 -1.04
> supp* 60 1.50 0.50 1.5 0.00 -2.03
> dose 60 1.17 0.63 1.0 0.37 -1.55Il est possible de retirer les colonnes non désirées en les spécifiant (voir Référer à des sous-éléments).
# Retirer n (1),
# trimmed, mad, min, max, range (6:10),
# et se (13)
descriptif[,-c(1, 6:10, 13)]
> n mean sd median skew kurtosis
> len 60 18.81 7.65 19.2 -0.14 -1.04
> supp* 60 1.50 0.50 1.5 0.00 -2.03
> dose 60 1.17 0.63 1.0 0.37 -1.55La fonction describeBy() permet de faire ces analyses en fonction d’une variable de groupement. Par exemple, le groupement est supp.
psych::describe.by(ToothGrowth, group = ToothGrowth$supp)
> Warning: describe.by is deprecated. Please use the
> describeBy function
>
> Descriptive statistics by group
> group: OJ
> vars n mean sd median trimmed mad min max range
> len 1 30 20.66 6.61 22.7 21.04 5.49 8.2 30.9 22.7
> supp 2 30 1.00 0.00 1.0 1.00 0.00 1.0 1.0 0.0
> dose 3 30 1.17 0.63 1.0 1.15 0.74 0.5 2.0 1.5
> skew kurtosis se
> len -0.52 -1.03 1.21
> supp NaN NaN 0.00
> dose 0.36 -1.60 0.12
> ---------------------------------------------
> group: VC
> vars n mean sd median trimmed mad min max range
> len 1 30 16.96 8.27 16.5 16.58 9.27 4.2 33.9 29.7
> supp 2 30 2.00 0.00 2.0 2.00 0.00 2.0 2.0 0.0
> dose 3 30 1.17 0.63 1.0 1.15 0.74 0.5 2.0 1.5
> skew kurtosis se
> len 0.28 -0.93 1.51
> supp NaN NaN 0.00
> dose 0.36 -1.60 0.12Enfin, il faut porter attention, car describe() et describeBy() transforment les variables ordinales10 et nominales en variables continues. Les indices statistiques rapportées pourraient n’avoir aucun intérêt. Il faudra alors retirer ces lignes (comme c’est fait avec les colonnes ci-haut).
9.2 Les variables à échelles nominales
Pour les variables nominales et ordinales, la fonction table() qui permet de compter la fréquence des éléments contenus dans une variable.
table(ToothGrowth$supp)
>
> OJ VC
> 30 30La fonction count() de dplyr produit le même résultats, mais sa sortie est toutefois plus intéressante à Manipuler.
dplyr::count(ToothGrowth, supp)
> supp n
> 1 OJ 30
> 2 VC 30Dans les deux cas, ajouter plus d’une variable génère une table de contingence (voir Le \(\chi^2\) pour table de contingence pour plus d’informations), c’est-à-dire l’association entre les deux variables.