Programme Langage R les fondamentaux de l'analyse statistique

Participants : Ingénieurs, analystes, data analysts ou toute personne intéressée par l'analyse statistique avec R.

Durée : 3 jours - 21 heures
Tarif : Nous contacter pour une formation INTER – INTRA ou en COURS PARTICULIER

La formation est délivrée en présentiel ou distanciel (e-learning, classe virtuelle, présentiel et à distance). Le formateur alterne entre méthodes démonstrative, interrogative et active (via des travaux pratiques et/ou des mises en situation). La validation des acquis peut se faire via des études de cas, des quiz et/ou une certification.

Cette formation est animée par un consultant-formateur dont les compétences techniques, professionnelles et pédagogiques ont été validées par des diplômes et/ou testées et approuvées par l’éditeur et/ou par Audit Conseil Formation.

Dates des formations
Du 23/09/2024 au 25/09/2024Demander un devis
Logo ACF

Demande de devis

Formation
Cadre
Pôle Emploi
Nom/Prénom
Société
E-mail
Téléphone
Période
Evaluer mon niveau

Les objectifs

Savoir
Savoir
installer R
Comprendre
Comprendre
comment manipuler des données avec R
Savoir
Savoir
importer et exporter des données
Être
Être
en mesure de réaliser des analyses statistiques basiques avec R

pré-requis

Connaissances mathématiques

Moyens pédagogiques, techniques et d'encadrement

  • 1 poste de travail complet par personne
  • De nombreux exercices d'application
  • Mise en place d'ateliers pratiques
  • Remise d'un support de cours
  • Remise d'une attestation de stage

Modalités d'évaluation des acquis

- Evaluation des besoins et objectifs en pré et post formation
- Evaluation technique des connaissances en pré et post formation
- Evaluation générale du stage

Accessibilité handicapés

  • Au centre d’affaires ELITE partenaire d’ACF à 20 m.
  • Guide d’accessibilité à l’accueil.

Le Programme

Introduction

Qu'est-ce que R ?
Avantages et inconvénients
Solutions concurrentes gratuites ou payantes

Installation

Installation de R ou Microsoft R Open sur MS Windows ou Scientific Linux
Découverte de l'environnement
Utiliser l'historique des commandes
Exemple d'environnement superposé (R-Studio)
Comment citer le logiciel dans une publication scientifique
Comment citer des packages dans une publication scientifique

Utilisation

Vider la console de commande
Utilisation de l'aide
Changer la langue de l'interface
Quitter en ligne de commande
Changer le dossier de travail par défaut temporairement ou à chaque session (*.Rprofile)
Changer définitivement le dossier par défaut des packages (*.Rprofile)
Sauver/Charger l'espace de travail (*.Rdata)
Sauver/Charger/Exécuter un historique des commandes (*.Rhistory)
Sauver les commandes et sorties dans un fichier (*.txt)
Sauver/Charger un script (*.R)

Manipulation de packages

Installer/Désinstaller/Mettre à jour des packages
Obtenir des informations systèmes sur les packages
Écrire plusieurs commandes sur une ligne
Ajouter des commentaires

Types de données

Manipulations de scalaires (réels)
Manipulations de nombres complexes
Manipulations de variables
Manipulations de vecteurs
Manipulations de matrices
Manipulations de textes
Manipulations de dates et de durées
Création/Édition de données en ligne de commande
Gérer les variables dans la mémoire

Import et export de données

Importer/Exporter des données d'Excel
Importer/Exporter des données en *.csv et gestion du passage d'encodage Linux/Windows
Importer/Exporter des fichiers SAS
Importer des données *.csv du web
Fusionner des fichiers *.csv
Importer de données de MS Access
Importer des données *.xml du web
Importer des données de MySQL
Importer des données d'Oracle (Express)
Importer des fichiers *.json

Manipulation de données

Utiliser le SQL
Quelques Data set
Manipuler les data frames
Accélérer l'accès aux colonnes
Renommer les colonnes
Appliquer des rangs
Trier des données
Filtrer des données
Réaliser des sous-sélections
Fusionner des données
Supprimer les doublons
Échantillonnage
Empiler/Désempiler des données

Analyse de données

Synthétiser des données (tables de contingence)
Travailler avec des valeurs absentes
Définir le nombre de décimales de chaque sortie
Générer des variables pseudo-aléatoires
Statistiques descriptives simples (comptage, éléments uniques, moyenne, max, min, centiles, somme, écart-type biaisé/non biaisé, cv, médiane, etc.)
Plotter (tracer) des fonctions algébriques
Racines d'équations univariées
Intégration numérique
Intégration algébrique
Dérivation algébrique/numérique
Optimisation linéaire uni ou multidimensionnelle
Optimisation sous contrainte
Programmation linéaire