Arts du spectacle

D G Rossiter

Description

• cours magistral

Arts du spectacle Pour l'égal accès des femmes et des hommes aux postes de responsabilité, aux lieux de décision, aux moyens de production, aux réseaux de diffusion, à la visibilité médiatique. 2 De l'interdit à l'empêchement mai 2009 Reine Prat agrégée de lettres chargée de mission pour l'égalité h/f dans les arts du spectacle Mcc – Dmdts 3, rue de Valois 75033 Paris cedex 01 01 40 15 38 13 reine.

• valider de nouvelles conventions
• charte-egalite
• egalite-entre-hommes-femmes
• quant aux représentations mentales
• femmes
• jeunes femmes manifestement supérieures
• aux

Sujets

• Cours magistral
• Musique
• Nanterre
• André Malraux
• Grenoble
• George
• Femme
• Égalité

Informations

• Publié par: tusuf
• Nombre de lectures: 17
• Langue: English
• Poids de l'ouvrage: 3 Mo

Extrait

l
l
l
l
l
l
l
l
l
l
l
l
l
l
l
l
l
l
l
l
l
l
l
l
l
l
l
l
l
l
l
l
l
l
l
l
l
l
l
l
l
l
l
l
l
l
l
l
l
l
l
l
l
l
l
l
l
l
l
l
l
l
l
l
l
l
l
l
l
l
l
l
l
l
l
l
l
l
l
l
l
l
l
l
l
l
l
l
l
l
l
l
l
l
l
l
l
l
l
l
l
l
l
l
l
l
l
l
l
l
l
l
l
l
l
l
l
l
l
l
l
l
l
l
l
l
l
l
l
l
l
l
l
l
l
l
l
l
l
l
l
l
l
l
l
l
l
l
l
l
l
l
l
l
l
l
l
l
l
l
l
l
l
l
l
l
l
l
l
l
l
l
l
l
l
l
l
l
l
l
l
l
l
l
l
l
l
l
l
l
l
l
l
l
l
l
l
l
l
l
l
l
l
l
l
l
l
l
l
l
l
l
l
l
l
l
l
l
l
l
l
l
l
l
l
l
l
l
l
l
l
l
l
l
l
l
l
l
l
l
l
l
l
l
l
l
l
l
l
l
l
l
l
l
l
l
l
l
l
l
l
l
l
l
l
l
l
l
l
l
l
l
l
l
l
l
l
l
l
l
l
l
l
l
l
l
l
l
l
l
l
l
l
l
l
l
l
l
l
l
l
l
l
l
l
l
l
l
l
l
l
l
l
l
l
l
l
l
l
l
l
l
l
l
l
l
l
l
l
l
l
l
l
l
l
l
l
l
l
l
l
l
l
l
l
l
l
l
l
l
l
l
l
l
l
l
l
l
l
l
l
l
l
l
l
l
l
l
l
l
l
l
l
l
l
l
l
l
l
l
l
l
l
l
l
l
l
l
l
l
l
l
l
l
l
l
l
l
l
l
l
l
l
l
l
l
l
l
l
l
l
l
l
l
l
l
l
l
l
l
l
l
l
l
l
l
l
l
l
l
l
l
l
l
l
l
l
l
l
l
l
l
l
l
l
l
l
l
l
l
l
l
l
l
l
l
l
l
l
l
l
l
l
l
l
l
l
l
l
l
l
l
l
l
l
l
l
l
l
l
l
l
l
l
l
l
l
l
l
l
l
l
l
l
l
l
l
l
l
l
l
l
l
l
l
l
l
l
l
l
l
Introduction to the R Project for Statistical Computing
for use at ITC
D G Rossiter
International Institute for Geo information Science & Earth Observation
Enschede (NL)
http://www.itc.nl/personal/rossiter
November 20, 2010
Actual vs. modelled straw yields
4 5 6 7 8 9 1 3 5 7 9 11 13 15 17 19 21 23 25
Modelled Column number
Frequency histogram, Meuse lead concentration
53
GLS 2nd−order trend surface, subsoil clay %
26
17 17 17
12
4 3 3
1 1 10 0
0 100 200 300 400 500 600 700
660000 670000 680000 690000 700000
lead concentration, mg kg−1
ECounts shown above bar, actual values shown with rug plot
Frequency Actual
0 10 20 30 40 50 60 4 5 6 7 8 9
N
Grain yield, lbs per plot
315000 320000 325000 330000 335000 340000
3.0 3.5 4.0 4.5 5.0Contents
1 What is R? 1
2 Why R for ITC? 2
2.1 Advantages . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 2
2.2 Disadvantages . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 3
2.3 Alternatives . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 4
2.3.1 S PLUS . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 4
2.3.2 Statistical packages . . . . . . . . . . . . . . . . . . . . . . 5
2.3.3 Special purpose statistical programs . . . . . . . . . . . 5
2.3.4 Spreadsheets . . . . . . . . . . . . . . . . . . . . . . . . . . 5
2.3.5 Applied mathematics programs . . . . . . . . . . . . . . 6
3 Using R for Windows 6
3.1 R on the ITC network . . . . . . . . . . . . . . . . . . . . . . . . . 6
3.2 Starting R . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 6
3.3 Stopping R . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 7
3.4 Setting up a workspace . . . . . . . . . . . . . . . . . . . . . . . . 7
3.5 The command prompt . . . . . . . . . . . . . . . . . . . . . . . . 8
3.6 On line help in R . . . . . . . . . . . . . . . . . . . . . . . . . . . . 9
3.7 Internet help . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 10
3.8 Saving your analysis steps . . . . . . . . . . . . . . . . . . . . . . 10
3.9 your graphs . . . . . . . . . . . . . . . . . . . . . . . . . . 10
3.10Writing and running scripts . . . . . . . . . . . . . . . . . . . . . 11
3.11The Tinn R code editor . . . . . . . . . . . . . . . . . . . . . . . 12
3.12Using the Rcmdr GUI . . . . . . . . . . . . . . . . . . . . . . . . . 12
3.13Loading optional packages . . . . . . . . . . . . . . . . . . . . . . 13
3.14Sample datasets . . . . . . . . . . . . . . . . . . . . . . . . . . . . 15
4 The S language 16
4.1 Command line calculator and mathematical operators . . . . 16
4.2 Creating new objects: the assignment operator . . . . . . . . . 17
4.3 Methods and their arguments . . . . . . . . . . . . . . . . . . . . 18
4.4 Vectorized operations and re cycling . . . . . . . . . . . . . . . 19
4.5 Vector and list data structures . . . . . . . . . . . . . . . . . . . 21
4.6 Arrays and matrices . . . . . . . . . . . . . . . . . . . . . . . . . . 22
4.7 Data frames . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 26
4.8 Factors . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 30
4.9 Selecting subsets . . . . . . . . . . . . . . . . . . . . . . . . . . . . 32
4.9.1 Simultaneous operations on subsets . . . . . . . . . . . 35
4.10Rearranging data . . . . . . . . . . . . . . . . . . . . . . . . . . . . 36
4.11Random numbers and simulation . . . . . . . . . . . . . . . . . 37
4.12Character strings . . . . . . . . . . . . . . . . . . . . . . . . . . . . 38
Revision 3.8 Copyright © D G Rossiter 2003 – 2010. All rights reserved.
Non commercial reproduction and dissemination of the work as a whole
freely permitted if this original copyright notice is included. To adapt or
translate please contact the author.
ii4.13Objects and classes . . . . . . . . . . . . . . . . . . . . . . . . . . 39
4.13.1The S3 and S4 class systems . . . . . . . . . . . . . . . . 41
4.14Descriptive statistics . . . . . . . . . . . . . . . . . . . . . . . . . 44
4.15Classification tables . . . . . . . . . . . . . . . . . . . . . . . . . . 45
4.16Sets . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 46
4.17Statistical models in S . . . . . . . . . . . . . . . . . . . . . . . . . 47
4.17.1Models with categorical predictors . . . . . . . . . . . . 51
4.17.2Analysis of Variance (ANOVA) . . . . . . . . . . . . . . . 52
4.18Model output . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 52
4.18.1Model diagnostics . . . . . . . . . . . . . . . . . . . . . . . 54
4.18.2Model based prediction . . . . . . . . . . . . . . . . . . . 56
4.19Advanced statistical modelling . . . . . . . . . . . . . . . . . . . 57
4.20Missing values . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 58
4.21Control structures and looping . . . . . . . . . . . . . . . . . . . 59
4.22User defined functions . . . . . . . . . . . . . . . . . . . . . . . . 60
4.23Computing on the language . . . . . . . . . . . . . . . . . . . . . 62
5 R graphics 64
5.1 Base graphics . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 64
5.1.1 Mathematical notation in base graphics . . . . . . . . . 68
5.1.2 Returning results from graphics methods . . . . . . . . 70
5.1.3 Types of base graphics plots . . . . . . . . . . . . . . . . 70
5.1.4 Interacting with base graphics plots . . . . . . . . . . . . 72
5.2 Trellis graphics . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 72
5.2.1 Univariate plots . . . . . . . . . . . . . . . . . . . . . . . . 72
5.2.2 Bivariate plots . . . . . . . . . . . . . . . . . . . . . . . . . 73
5.2.3 Triivariate plots . . . . . . . . . . . . . . . . . . . . . . . . 74
5.2.4 Panel functions. . . . . . . . . . . . . . . . . . . . . . . . . 76
5.2.5 Types of Trellis graphics plots . . . . . . . . . . . . . . . 77
5.2.6 Adjusting graphics parameters . . . . . . . . . . 77
5.3 Multiple graphics windows. . . . . . . . . . . . . . . . . . . . . . 7