Tests statistiques avec R

binom.test() - Test binomial - test de conformité d'une proportion

fisher.test() - Test exact de Fisher - analyse de contingents de faible effectif

fligner.test() - Test robuste de Fligner-Killeen - comparaison des variances robuste sur > 2 échantillons non normaux

GTest() de {DescTools} - Test G- identifier un déséquilibre en croisant deux variables catégorielles

prop.test() - Z-test ou test de l’écart réduit entre proportions

smokers  <- c( 83, 90, 129, 70 )

patients <- c( 86, 93, 136, 82 )

prop.test(smokers, patients) # la p-value est faible, on fait donc l'hypothèse qu'une proportion au moins diffère de la population. Ces proportions ne sont pas à considérer comme venant de la même population.

data(iris)

View(iris)

colnames(iris)

b<-apply(iris[,c("Sepal.Length","Sepal.Width","Petal.Length","Petal.Width")],2,shapiro.test)

b

do.call(     rbind     ,     lapply(b,function(v){v$p.value})      )

# On voit ainsi que le paramètre Sepal.Width est le seul à suivre la loi normale (p-value > 0.05)