Statistique en Grandes dimensions
TP 1 : régression pénalisés
On s’intéresse à la méthylation de l’ADN sur différents tissus humains. L’objectif est d’utiliser les valeurs de méthylation pour imputer le sexe des échantillons lorsqu’il n’est pas connu. En utilisant un modél de régression logsitique. On devra donc faire un modèle à partir des individus dont on connît le sexe et enfin prédire depuis ce modèle le sexe des autres individus.
1.a Extrait de code pour importer les données
install.packages("devtools")
devtools::install_github("fchuffar/methdbr")
d = methdbr::methdbr_d # A matrix of 187 x 137595 beta values
e = methdbr::methdbr_e # A data frame that describes the 187 samples.
pf = methdbr::methdbr_pf # A data frame that describes the 137595 CpG probes.
table(e$sex, useNA = "ifany") # NA corresponds to missing sex dataTP 2 : Analyse Factorielle
2.a Résultats du Décathlon masculin aux jeux olympiques de 1988
Les données reprennent le résultat du décathlon masculin des jeux olympiques de 1988 (fichier decathlon.txt). Chaque athlète est caractérisé par 10 variables correspondant à sa performance dans dix épreuves
Les variables :
100m : course de 100 mètres long : saut en longueur poids : lancer du poids haut : saut en hauteur 400m : course de 400 mètres 110m : course du 110 m haies disq : lancer du disque perc : saut à la perche jave : lancer du javelot 1500m : course de 1500 mètres
Ces résultats sont utilisés pour calculer un score final en suivant le barème du décathlon, l’individu ayant le score (variable SCORE) le plus grand gagne la compétition.