cabbages exercices

analysis/cabbages_anova2.Rmd

@@ -0,0 +1,123 @@
+---
+title: "Untitled"
+author: '...'
+date: "3/2/2020"
+output: html_document
+---
+
+```{r setup, include=FALSE}
+knitr::opts_chunk$set(echo = TRUE)
+# packages
+SciViews::R()
+```
+
+# Objectif
+
+Ce document s'intéresse à la réalisation d'une ANOVA à deux facteurs
+
+# Situation
+
+Les scientifiques ont étudié La croissance de Choux. Afin d'avoir plus d'informations,utilisez la fonction d'aide afin d'en apprendre d'avantages sur le jeu de données `cabbages` qui provient du package `MASS` 
+
+> Avant de vous lancez dans l'analyse décrivez en deux à trois phrases ce que vous avez appris avec la fonction d'aide (Qu'est ce qu'un cultivar?,...)
+
+```{r}
+.?cabbages
+```
+
+# Analyse
+
+> Importez le jeu de données. Le jeu de données se nomme `cabbages` et provient du package `MASS`.
+
+```{r importation}
+cabbages <- 
+```
+
+> Renommez les variables du jeu de données avec la fonction rename() en respectant le tableau ci-dessous
+
+Ancien nom | Nouveau nom  | Labels | Unité
+------------|-------------|--------|-------
+Cult | cultivar | Cultivar | NA
+Date | date | Date de la plantation | NA
+HeadWt | head_wt | Masse du choux | kg
+VitC | vit_c | Teneur en vitamine C | NA
+
+```{r rename}
+
+```
+
+> Modifiez le type des variables si cela vous semble pertinent. 
+
+```{r type}
+
+```
+
+> Labelez les variables du jeux de données 
+
+```{r}
+cabbages <- labelise(cabbages, self = FALSE,
+                     label = list(),
+                     units = list())
+```
+
+> Réalisez un tableau qui résument la variabale `vit_c` en fonction du `cultivar` et de `date`. Commentez en maximum 2 phrases le résultat de cette fonction.
+
+```{r tab}
+# Instruction présente dans les snippets
+# 
+```
+
+> Visualisez la variabale `vit_c` en fonction du `cultivar` et de `date` avec le graphique le plus approprié. Commentez en maximum 2 phrases le résultat de cette fonction.
+
+```{r chart}
+# Instruction présente dans les snippets
+# 
+```
+
+> Visualisez les interactions entre vos deux variables facteurs à l'aide du graphique des interactions. Commentez en maximum 2 phrases le résultat de cette fonction.
+
+```{r chartinter}
+DF %>.%
+  group_by(., XFACTOR1, XFACTOR2) %>.%
+  summarise(., me = mean(YVAR)) %>.%
+  chart(data = ., me ~ XFACTOR1 %col=% XFACTOR2 %group=% XFACTOR2) +
+  geom_line() +
+  geom_point()
+```
+
+> Réalisez et décrivez votre ANOVA réalisée. Commentez en maximum 2 phrases le résultat de cette fonction.
+
+```{r lm}
+# Instruction présente dans les snippets
+# 
+```
+
+> Avant d'aller plus loin, réalisez le(s) test(s) de Bartlett nécessaire(s). Commentez en maximum 2 phrases le résultat de cette fonction.
+
+```{r bartlett}
+# Instruction présente dans les snippets
+# 
+```
+
+> Vérifiez la distribution normale des résidus. Utilisez les snippets pour vous aider. Commentez en maximum 2 phrases le résultat de cette fonction.
+
+```{r qqplot}
+# Instruction présente dans les snippets
+
+```
+
+> Réalisez un test de comparaisons multiples. Commentez en maximum 2 phrases le résultat de cette fonction.
+
+```{r multicomp}
+# Utilisez ces instructions
+summary(anovaComp. <- confint(multcomp::glht(anova.,
+  linfct = multcomp::mcp(XFACTOR = "Tukey")))) # Add a second factor if you want
+.oma <- par(oma = c(0, 5.1, 0, 0)); plot(anovaComp.); par(.oma); rm(.oma)
+```
+
+> Terminez par une conclusion générale de cette analyse. Commentez en maximum 2 phrases le résultat de cette fonction.
+
+
+
+
+