# Master 1 Biologie-Santé 2013/2014
# AEB - STAT

# Choisir le répertoire de travail
setwd(C:/AEB_Stat_Master1)
# Vérifier le répertoire de travail
getwd()

# Gérer les packages
# Exemple : charger le package "stats"
library(stats)

# Saisir des données simples
x<-10
y<-2
z<-x+y
z

# Générer des données définies
d<-c(1,2,3,4,5)
d

# Générer des données
d1<-1:6
d1
d2<-6:1
d2
d3<-seq(from=1,to=10, by=2)
d3
d4<-seq(length=21, from=0, to=1)
d4

# Obtenir de l'aide générale
help.start()
# Obtenir de l'aide sur une fonction
?mean

# Charger un tableau de données, les individus en lignes, les variables en colonnes
# header car il existe des en-tête de colonnes
# sep pour définir le déparateur de colonne ";" ou "\t" (tabulation) ou "," etc
# dec pour définir le symbole de la décimale "." ou ","
# row.names=1 pour indiquer le nom des individus dans la 1ere colonne
data<-read.table("fichier_data.csv",header=TRUE,sep=";",dec=",", row.names=1)
data

# Vérifier le nombre d'individus et de variables
dim(data)

# Vérifier que les variables sont numériques (dec)
is.numeric(VAR3)

# Organisation de variables complexes
# Sélection simple [n°individu,n°variable]
data[1,6]
data[,4]
data[1:2,]
data$VAR3
#ou
attach(data)
VAR3

#Sélection conditionnelle
VAR6=="femelle"
fem<-data[VAR6=="femelle",]
fem

#Transformer une variable numérique en facteur
is.factor(VAR1)
V1<-as.factor(VAR1)
is.factor(V1)


# Représentations graphiques
# Histogramme
hist(VAR3)
hist(VAR3,main="Histogramme", xlab="Variable 3", col=3)
#Pour en savoir plus
?hist

# Boîte à pattes - Whisker-box (représentation verticale)
boxplot(VAR2~VAR1, data=data)
title("Wisker Box")

# Boîte à moustaches - Box plot (représenattion horizontale)
boxplot(VAR2~VAR1, data=data,horizontal=TRUE)
title("Boîte à moustaches")
?boxplot

# Boite à bâtons (VAR4 et VAR5)
barplot(VAR4,col="blue",xlab="Variable 4",ylab="Valeur(unité arbitraire)", ylim=c(0,10))
title("Diagramme en bâtons")

#Diagramme circulaires
pie(VAR3,labels=c("IND1","IND2","IND3","IND4"))
title("Diagramme circulaire")

# Statistique descriptive
# Donner l'effectif par sexe
table(data$VAR1)
data.means<-apply(data[,1:5],2,mean)
data.means

data.sd<-apply(data[,1:5],2,sd)
data.sd
?apply

#Paramètres de distribution (moyenne, quartiles, étendue)
summary(data)

# Les lois de probabilités
# La loi binomiale
lb<-rbinom(10000,100,0.1)
hist(lb, main="Loi binomiale, B(100,0.1)")
 
# La loi de Poisson
lp1<-rpois(10000,10)
hist(lp1, main="Loi de Poisson, P(10)")
lp2<-rpois(10000,2,main="Loi de Poisson, P(2)")
hist(lp2)
#pour en savoir plus
?rpois

# La loi normale (ou de Laplace-Gauss)
ln<-rnorm(10000,0,1)
hist(ln,breaks=100,main="Loi normale")
#pour en savoir plus
?rnorm

#La loi uniforme
lu<-runif(10000,1,6)
hist(lu, main="Loi uniforme")
#pour en savoir plus ?
runif

# Gérer les objets en mémoire dans R
# Lister tous les objets
ls()
# Supprimer un objet
rm(data)
ls()
# Supprimer tous les objets
rm(list=ls())
ls()