Statistique descriptive 3

Au semestre 3, la statistique descriptive passe du calcul « à la main » au traitement de données avec un logiciel. Le chargé de marketing digital travaille en effet sur des fichiers de plusieurs milliers de lignes : export des commandes d’une boutique en ligne, base clients d’un CRM, réponses à un questionnaire Google Forms, statistiques de Meta Business Suite. Ce cours apprend à enchaîner, dans un même programme R (logiciel libre et gratuit, utilisé avec l’interface RStudio), toutes les étapes d’une analyse descriptive : importer un fichier, le nettoyer (valeurs manquantes, valeurs atypiques), le transformer (sous-ensembles, fusion, agrégation, formats long et large), puis décrire une variable et la liaison entre deux variables (khi-deux, V de Cramer, corrélation, odds ratio, risque relatif). Le cours du semestre 4 sera consacré aux graphiques avec R.

Objectifs d’apprentissage

• Importer un fichier de données (CSV, Excel) dans R et en contrôler la structure.
• Préparer les données : discrétiser une variable continue, repérer et compter les valeurs manquantes, identifier les individus atypiques.
• Extraire un sous-ensemble, fusionner deux tables, agréger et passer d’un format long à un format large.
• Calculer une succession de statistiques descriptives univariées (position, dispersion) et réaliser les graphiques de base.
• Décrire la liaison entre deux variables : tableau croisé, khi-deux, V de Cramer, corrélation, odds, odds ratio et risque relatif.
• Combiner ces analyses dans un script R commenté et reproductible.

Prérequis

Baccalauréat ou équivalent ; Statistique descriptive S1 et S2 (moyenne, variance, quartiles, tableaux de contingence, corrélation). Un ordinateur avec R et RStudio installés (ou un accès à Posit Cloud) est nécessaire.

Plan du cours

1. Leçon 1 — Importer, explorer et nettoyer un fichier de données avec R
2. Leçon 2 — Transformer les données : sous-ensembles, fusion, agrégation, formats long et large
3. Leçon 3 — Décrire une variable : distributions univariées, position et dispersion
4. Leçon 4 — Décrire deux variables : tableaux croisés, khi-deux, V de Cramer, corrélation, odds ratio et risque relatif

Modalités d’évaluation

Volume horaire (maquette) : 10 h de CM, 0 h de TD, 0 h de TP et 10 h de TPE, pour 1 crédit. Les exercices guidés de chaque leçon se réalisent sur machine pendant le travail personnel. Évaluation : contrôle continu (quiz en ligne et remise d’un script R commenté sur un jeu de données fourni) et examen terminal (lecture et correction de code, calcul et interprétation d’indicateurs).

Bibliographie

• Bernard Py, Statistique descriptive, Paris, Economica (dernière édition).
• Bernard Goldfarb et Catherine Pardoux, Introduction à la méthode statistique, Paris, Dunod.
• Hadley Wickham, Mine Çetinkaya-Rundel et Garrett Grolemund, R for Data Science, 2^e éd., O’Reilly, 2023 (version en ligne gratuite : r4ds.hadley.nz).
• Pierre-André Cornillon et al., R pour la statistique et la science des données, Presses universitaires de Rennes.
• R Core Team, An Introduction to R, documentation officielle, cran.r-project.org.