1 Intitulé et déroulé du cours

“L5GEABIM Analyses bivariées et multivariées”

data <- read.csv("data/deroule2025.csv", encoding = "UTF-8")
knitr::kable(data)
Num.cours date thème outil exercice..nb.pts.
1 15/09/25 statistique univariée : base tableur 1
2 22/09/25 statistique univariée : indicateurs 2
3 29/09/25 bivariée : base + régression début 2
4 06/10/25 régression fin + khi début (tableau de contingence) 2
5 13/10/25 khi2 2
6 20/10/25 initiation R R NA
NA 27/10/25 CONGES NA
7 03/11/25 initiation R / boite à moustaches 1
8 10/11/25 initiation R / variance + sujet DM NA
9 17/11/25 multivariée : régression linéaire multiple NA
10 24/11/25 multivariée : analyse factorielle NA
11 01/12/25 multivariée : classification NA
12 08/12/25 questions autour du devoir maison. Devoir à rendre le 12 au plus tard. NA
13 15/12/25 révisions NA
14 Entre 6 et 16 janvier partiel NA

2 La donnée

2.1 Où les trouver ?

Au départ les données sur les finances des communes

https://www.data.gouv.fr/datasets/comptes-des-communes-2017-2024/

2.2 Préparer les données

23 millions d’observations au total, un fichier de 6 G°de données

voir la source originale

Portail données

https://data.ofgl.fr/explore/dataset/

Comptes consolidées, sur le département choisi

data <- read.csv2("data/ofgl-base-communes-consolidee.csv")
names(data)
head(data)
# combien d'enregistrement par ville et par exercice ?
table(data$Code.Insee.2024.Commune, data$Exercice)
# filtre sur l'année
data <- data [ data$Exercice == 2024,]
# sauvegarde de la donnée
write.csv(data [,c(16,20,21,28)], "data/data93_2024.csv", fileEncoding = "UTF-8")

table(data$Agrégat)

Portail cartographie

Il est plus facile d’utiliser l’outil proposé par l’Observatoire des finances et de la gestion publique locale.

3 Présentation rapide (vous êtes nombreux !)

3.1 Qui sont les étudiants ?

  • 84 étudiants inscrits sur 3 cours (70 présents environ)

Les questions posées sont sur le passé / présent / futur des étudiants, leur appétence en stats

etudiant <-  read.csv("data/TD3_stats_2025.csv", fileEncoding = "UTF-8")
etudiant2 <- read.csv("data/tdLundi.csv", fileEncoding = "UTF-8")
names(etudiant)
## [1] "prenom"                     "adresse.mail"              
## [3] "groupe"                     "appetence"                 
## [5] "code.insee.commune.choisie" "passé"                     
## [7] "futur"
names(etudiant2)
## [1] "X"                                             
## [2] "adresse.mail"                                  
## [3] "groupe"                                        
## [4] "appetence.stats..1...4..un.peu..passionnément."
## [5] "code.insee.commune.choisie"                    
## [6] "passé"                                         
## [7] "présent"                                       
## [8] "futur"
names(etudiant2)[1] <- 'prenom'
names(etudiant2)[4] <- 'appetence'
etudiant2 <- etudiant2 [, names(etudiant)]
etudiant <- rbind(etudiant, etudiant2)
etudiant <- etudiant [!is.na(etudiant$prenom),]
table(etudiant$groupe, useNA = "always")
## 
##    1    2    3 <NA> 
##   29   31   21    5
write.csv(etudiant, "data/etudiant.csv", fileEncoding = "UTF-8")
etudiant <- read.csv("data/etudiantModifie.csv", fileEncoding = "UTF-8")
png("img/quisontils.png", width = 10000, height = 10000, res=1000)
#par(mar = c(2,16,2,4))
par(mfrow = c(2,2))
for (i in c(3,4,6,7)){
  (mar = c(2,30,2,4))
  barplot(table(etudiant [,i]), border = NA,
          horiz = T, las = 2, cex.names = 0.8, 
          main = names (etudiant) [i])
}
dev.off()
## png 
##   2

3.2 Présence et rendu des devoirs : chiffres clés

3.2.1 Effectif et cours

presence <- read.csv("data/presence.csv")
knitr::kable(presence)
Cours TD1 TD2 TD3
C1 30 31 22
C2 22 25 24
C3 23 27 19
C4 19 29 13
C5 25 23 18
C6 NA NA NA
C7 NA NA NA
C8 NA NA NA
C9 NA NA NA
C10 NA NA NA
C11 NA NA NA
C12 NA NA NA
C13 NA NA NA 
presence <- presence [c(1:5),]
par(mfrow = c(3,1))
barplot(presence$TD1~presence$Cours, col="chartreuse", beside = T, main = "Evolution de la présence groupe 1", xlab = "cours", ylab = "nb" 
        , border = NA, legend =  F)
barplot(presence$TD2~presence$Cours, col = "cyan", beside = T, main = "Evolution de la présence groupe 2", xlab = "cours", ylab = "nb" 
        , border = NA, legend =  F)
barplot(presence$TD3~presence$Cours, col="darkorange",beside = T, main = "Evolution de la présence groupe 3", xlab = "cours", ylab = "nb" 
        , border = NA, legend =  F)

# Sur le même graphique
par(mfrow = c(1,1))
rownames(presence) <- presence [,1]
presence <- presence [,-1]
presence <- as.matrix(presence)
library(RColorBrewer)
pal <- brewer.pal(5, "Set1")
# graph
barplot(presence, beside = T, col = pal, border = NA, main = "Evolution de la présence des 3 groupes")

3.2.2 Les rendus d’exercices

data <- read.csv("data/notesDM1_4.csv", na.strings = "-", fileEncoding = "UTF-8")
data <- data [, c(2:6)]
names(data)
## [1] "Devoir.MAISON.2...Valeurs.centrales.et.dispersion..Brut."       
## [2] "Devoir.MAISON.4...contingence.agrégats.communes..Brut."         
## [3] "Devoir.MAISON.5...khi2..Brut."                                  
## [4] "Devoir.MAISON.3...régression.entre.2.agrégats.financiers..Brut."
## [5] "Devoir.MAISON.1...Dénombrement..Brut."
data <- data [, c(5,1,4,2,3)]
titre <- c("1_distribution", "2_univarié", "3_regression", "4_contingence", "5_khi2")

png("img/rendu.png", width = 600, height = 600, res = 100)
par( mfrow = c(2,3))
tot <- length(data)
i <-1
for (i in c(1:tot)){
  tmp <- table(data [,i])
  barplot(tmp,  cex.names = 0.8, las = 1, 
          main = paste0(titre [i], " (", sum(tmp), " observations)"), border = NA, col = "wheat")
  }

dev.off()
## png 
##   2

  • Le critère externe : des points faciles ?

le nom du fichier

le temps du rendu (avant la limite)

  • Augmentation des erreurs avec l’exercice 4

Attention à la consigne !

3.3 Notes finales

note <- read.csv("data/noteFinales.csv", fileEncoding = "UTF-8", na.strings = c("EN ATTENTE", "NA","-"), dec = ",")
summary(note)
png("img/noteFin.png")
hist(note$NOTE.FINALE, main = "Etalement note finale - 64 obs", freq = T, border = NA)
abline(v = mean(note$NOTE.FINALE, na.rm = T),  col = "red")
abline(v = median(note$NOTE.FINALE, na.rm=T), col = "blue")
dev.off()

4 Ressources autre que la bibliographie officielle

2 cours universitaires disponibles sur internet

Pour R, la base de tout est

R et espace (https://archives.framabook.org/r-et-espace/index.html)













L5GEABIM Analyses bivariées et multivariées