Accéder au contenu principal

Articles

Using R-Shiny

  I've been playing around for a bit with r shiny for the last couple of days.     I think it is important to understand some concept relating to r shiny.     First of all, it is important to understand that an r shiny application is divided into three files: ·          app.r will be used to launch the application ·          server.r will be used to define the application logic ·          ui.r would be used to program the user interface of the application I will give more details about these 3 files later.   It's also helpful to understand that this this library allowed to create interactive app and not just dashboard.   As I previously said our shiny application is divided into 3 files. Programming task is mainly divided between ui and server.   What is the use of ui.r. Basically it can be divid...
Articles récents

Biostatistique

Un test statistique est une démarche consistant à rejeter ou à ne pas rejeter une hypothèse statistique. Cette hypothèse en question s’appelle  hypothèse nulle. Ce jugement est fait en fonction d'un jeu de données (échantillon). A partir de ces données on réalise des calculs grâce au statistiques inférentielles. Ainsi nous arrivons à emmètre des conclusions sur la population. Ces conclusions doivent toutefois être interprétées avec précaution. En effet, il a deux types de risque de se tromper qui sont associés à ces conclusions. Ainsi on a le risque de 1 er espèce et le risque de deuxième espèce. Le risque de 1 ère espèce est le risque de rejeter H0 alors qu’en réalité il ne faut pas rejeter H0. Le risque de 2eme espèce est le risque de ne pas rejeter H0 alors qu’en réalité on aurait dû rejeter H0. L'objet de cet article est donc de donner un aperçu rapide des différents tests statistiques qui peuvent être utilisés et dans quelles circonstances il faut les utiliser. ...

Corrélation et causalité

La causalité est le domaine des statistiques qui est le plus souvent mal utilisé et mal interprété par des non-spécialistes. Des sources médiatiques, des politiciens et des groupes de pression souvent sautent sur une corrélation perçue, et l'utilisent pour «prouver» leurs propres croyances. Ils ne comprennent pas que, simplement parce que les résultats montrent une corrélation, il n'existe aucune preuve d'un lien de causalité sous-jacente. La mesure la plus courante de la corrélation est le coefficient de corrélation Pearson. C’est une mesure linéaire de la corrélation entre deux variables.   Coefficient de corrélation de pearson Toutefois, la corrélation entre deux variables n’est pas tout le temps linéaire. Une corrélation peut être quadratique, exponentiel ou polynomial. Corrélation quadratique Correlation exponentiel Correlation polynomial La causalité est une tout autre chose. La causalité explique la raison pour laquelle...