Statistique descriptive 4

Ce cours du semestre 4 prolonge « Statistique descriptive » du semestre 3, consacré à la manipulation et à la description des données avec R. Il porte entièrement sur la représentation graphique des données avec R. Pour un chargé de marketing digital, le graphique est le principal vecteur de communication des résultats : rapport mensuel des ventes, bilan d’une campagne sponsorisée, tableau de bord d’une page Facebook, présentation d’une étude de marché à un client. Le cours présente les deux systèmes graphiques de R — les fonctions de base (plot, hist, barplot, boxplot…) et le package ggplot2 — puis l’ajout d’éléments (titres, légendes, droites, annotations) et l’export des graphiques dans des formats adaptés aux rapports, aux diaporamas et aux réseaux sociaux.

Objectifs d’apprentissage

• Choisir le graphique adapté à la nature des variables et au message à transmettre.
• Produire les graphiques courants avec les fonctions de base de R (nuage, courbe, histogramme, barres, boîtes à moustaches).
• Ajouter des éléments à un graphique : titres, axes, couleurs, légende, droites de référence, textes.
• Construire des graphiques avec ggplot2 selon la grammaire des graphiques (données, esthétiques, géométries, facettes, thèmes).
• Exporter un graphique (PNG, PDF, SVG) aux dimensions et à la résolution voulues, dans un programme qui combine calculs et graphiques.

Prérequis

Statistique descriptive S3 (import, manipulation et description de données avec R). Un ordinateur avec R, RStudio et les packages ggplot2 et scales installés.

Plan du cours

1. Leçon 1 — Choisir un graphique et utiliser les fonctions graphiques de base (plot)
2. Leçon 2 — Ajouter des éléments à un graphique de base
3. Leçon 3 — La grammaire des graphiques avec ggplot2
4. Leçon 4 — Personnaliser et exporter un graphique

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 se réalisent sur machine pendant le travail personnel. Évaluation : contrôle continu (quiz en ligne et dossier de graphiques commentés produit par un script R) et examen terminal (lecture et correction de code, choix et interprétation de graphiques).

Bibliographie

• Hadley Wickham, ggplot2: Elegant Graphics for Data Analysis, Springer (Use R!).
• Winston Chang, R Graphics Cookbook, O’Reilly.
• Hadley Wickham, Mine Çetinkaya-Rundel et Garrett Grolemund, R for Data Science, 2^e éd., O’Reilly, 2023.
• Bernard Py, Statistique descriptive, Paris, Economica (dernière édition).
• Documentation officielle de ggplot2 : ggplot2.tidyverse.org ; R Core Team, An Introduction to R, cran.r-project.org.