Advertisement
Not a member of Pastebin yet?
Sign Up,
it unlocks many cool features!
- data = read.table(file = 'data/her.csv', header = TRUE, sep =';')
- L = data$leg
- S = data$sex
- LF = L[S==1]
- LH = L[S==0]
- summary(L)
- summary(LF)
- summary(LH)
- boxplot(L, LF, LH, main="Longeur des jambe selon sex", names= c('HF', 'FEMME', 'HOMME'))
- #6
- t.test(LF, conf.level=0.90)$conf.int
- t.test(LH, conf.level=0.90)$conf.int
- #7
- #H0 les femme ont pas les jambes moins long que les hommes
- #H1 les femmes ont les jambres moins longs que les hommes
- t.test(LF,LH, alternative ="less")$p.value
- #p-valeur = 2.6e-6 < 0.05 on rejet H0, accepter H1 les femmes ont les jambes moins long que les hommes
- #8
- P = data$pulse
- summary(P)
- hist(P, xlim=c(40,120), ylim=c(0, 40))
- sd(P)
- curve(max(table(P))*length(P)*dnorm(x, mean= mean(P), sd=sd(P)), col= 'red', add= TRUE)
- #la distribution suivre la loi normale de moyenne 72.85 et la variance de 152.1797
- #10
- P70 = c()
- for(i in P){
- if(i < 70){
- P70 = c(P70, 1)
- }else {
- P70 = c(P70, 0)
- }
- }
- # H0 la frequence de battement coeur est independant au sexe
- # H1 la frequence de battement coeur est lier sexe
- ta <- table(P70,S)
- prop.table(ta,2)
- #11
- chisq.test(ta)$p.value
- # p-value = 0.02421 < 0.05 les distrubution sont significativement different
- # avec une rique de 5% on rejet H0, doncs la frequence de battement coeur est lie au sexe
- Tr = data$treat
- B = data$BMI
- bTreated = B[Tr==1]
- bPlacebo = B[Tr==0]
- length(bTreated)/length(B)
- #Les donnes sont numerique discret
- #H0 les treatement et indice masse corporelle sont independant
- summary(bTreated)
- summary(bPlacebo)
- par(mfrow=c(2,1))
- hist(bTreated)
- curve(dnorm(x, mean= mean(bTreated), sd=sd(bTreated)),main="BMI selon traitement",from = mean(bTreated)-3*sd(bTreated), to = mean(bTreated)+3*sd(bTreated), ylab= "densite distribution normal",xlab="indice masse corporelle", col= 'blue')
- curve(dnorm(x, mean= mean(bPlacebo), sd=sd(bPlacebo)),from = mean(bPlacebo)-3*sd(bPlacebo), to = mean(bPlacebo)+3*sd(bPlacebo),col= 'red', add= TRUE)
- legend('topright', legend=c("Placebo", 'Traitement'), col=c('RED', 'BLUE'), lty =1)
- boxplot(bTreated, bPlacebo, ylab="Indice masse corporelle" ,main="BMI selon traitement", names=c("traitment", "placebo"))
- #H0 pas different entre treatement et non treatement sur l'indice corporel des patiens
- #H1 il y a different impact sur indice corporelle entre les patien qui ont obtenu la traiment et celle qui n'a pas de traitement
- t.test(bTreated, bPlacebo, var.equal = TRUE)$p.value
- # p-value = 0.56 > 0.05, on ne rejet pas H0, Le traitement n'a pas de significative impact sur l'indice masse corporelle des patiens.
Advertisement
Add Comment
Please, Sign In to add comment
Advertisement