R est un langage très versatile : il existe toujours de nombreuses façons de faire la même chose.

\(\to\) Trouver son environnement, son style de codage, ses packages récurrents.

Nous avons vu :

• la syntaxe de base ;
• le tidyverse ;
• la visualisation des données ;
• l’utilisation des packages.

Nous n’avons pas vu :

• Les différents langages de R :
  • Nous avons utilisé S3, il en existe d’autres.
• L’organisation interne de R, les environnements pour comprendre les conflits de noms et la portée des variables.
• Les usages avancés de R :
  • la parallélisation pour accélérer l’exécution ;
  • l’intégration de code C++ pour encore plus de vitesse ;
  • la création de packages ;
  • la gestion du flux de travail pour mettre en cache des résultats de longs calculs.

R (avec RStudio) est un environnement de travail en plus d’un logiciel de statistiques.

Nous avons vu :

• Comment rédiger des documents très simples (bloc-note) ou très élaborés (livre), reproductibles, indépendamment de leur format final (HTML, PDF, Word…)
• Comment utiliser git pour le contrôle de source et GitHub pour le partage, l’intégration continue et la publication.

Nous n’avons pas vu :

• D’autres types de production : site web, CV, etc ;
• Les applications R interactives avec Shiny ;
• Les outils d’enseignement.

Le contenu du cours est assez proche de celui de Philippe Marchand (Université du Québec en Abitibi-Témiscamingue) dont le dépôt GitHub peut servir de support rédigé.

Nous avons revu les fondamentaux de la statistique :

• Les lois de probabilité fondamentales qui permettent de faire des statistiques ;
• La loi des grands nombres qui permet de relier un échantillon à sa loi ;
• Le théorème de la limite centrale qui permet d’appliquer la loi normale à tout ce qui ne l’est pas.

Nous avons étudié le modèle numérique en détail :

• La régression linéaire ;
• L’Anova à un facteur ;
• Les tests classiques, dans le cadre du modèle numérique.

Nous avons vu rapidement les analyses multivariées ou méthodes d’ordination :

• L’ACP (la PCoA et l’ACM) et l’AFC ;
• Les analyses directes : RDA et CCA.

Nous n’avons pas vu :

• l’Anova à plusieurs facteurs :
  • triviale si les facteurs sont indépendants (équivalent à une Anova à un facteur sur les combinaisons)
  • complexe si on traite les interactions, même à deux facteurs.
• le modèle linéaire généralisé :
  • quand \(Y\) ne vaut pas \(\beta_0\) en moyenne et qu’une fonction de lien est nécessaire (quand \(Y\) est entier ou compris entre 0 et 1 par exemple).
• le modèle linéaire mixte :
  • quand les observations ne sont pas indépendantes ;
  • quand un groupe de données a un effet aléatoire.
• les modèles non linéaires et imbriqués.

Nous avons utilisé l’inférence fréquentiste (par maximum de vraisemblance) mais pas l’inférence bayésienne de ces modèles.

Philosophie générale du cours :

• penser modèle plutôt qu’outil statistique ;
• simuler des données correspondant au modèle pour le tester avant de l’appliquer aux données réelles ;
• travailler de façon reproductible :
  • des scripts, pas de presse-bouton ;
  • le contrôle de source et l’intégration continue.
• respecter les bonnes pratiques :
  • code propre, noms de variables clairs ;
  • des paramètres plutôt que des constantes.
• documenter abondamment, réutiliser ses codes :
  • le bon code nécessite du temps mais sert longtemps.