Il s'agit de mesures de la pression
artérielle sur des individus d'âge différent et de
groupe socioéconomique différent.
| 30-45 ans | 46-59 ans | 60-75 ans | |
| Groupe 1 | 128 104 132 112 | 120 136 174 166 | 214 146 138 148 |
| Groupe 2 | 136 124 112 118 | 138 124 160 157 | 156 110 188 158 |
| Groupe 3 | 116 108 160 116 | 108 110 154 122 | 182 148 138 136 |
Lire les données en utilisant la fonction scan() de R.
presv=scan('pression.txt');
Cette commande lit ligne après ligne et
rend un vecteur.
On intégrera les données lues dans
une «data.frame» press avec la commande
press=as.data.frame(presv)
On fabriquera les facteurs (vecteurs de
regresseurs) âge et groupe en utilisant «rep()» et «c()». On
n'oubliera pas d'utiliser egalement factor().
Ceci donne par exemple pour le groupe :
groupe=c(rep('g1',12),rep('g2',12),rep('g3',12))
et pour l'âge une commande du
même type un peu plus compliquée qui emboîte les rep(.,.) (quatre appels à rep() suffisent).
Intégrer ensuite les facteurs à press:
press$groupe=groupe
press$age=age
Rq: On aurait pu utiliser la commande gl() pour créer les même facteurs plus directement.
1/ Faire une analyse de variance
basée sur le modèle avec interactions :
utiliser lm() et anova().
Quel modèle va-t-on garder ?
L'étude pourrait d'arrêter là.
Les questions suivantes sont des approfondissements pour comprendre le fonctionnement des tests.
2.a/ Tester le modèle additif contre le modèle complet:
La commande anova(m1,m2) permet de tester deux modeles.
Noter que la p-value est déjà apparue.
2.b/ Tester à 10% s'il y a une difference de pression moyenne
entre les trois groupes socio-economiques
(penser au modèle correspondant à chaque hypothèse ;
au vu de la question précédente,
on prendra pour H1 le modèle additif).
3/ Tester à 10% s'il y a une
différence de pression moyenne entre les trois âges.
On prendra pour H1 le modèle additif.
4/ Comparer les résultats des tests à 5% pour
la différence selon l'âge
sous le modèle avec interactions et sous
le modèle additif.