Corrélation

La série Corrélation : mesurer et visualiser les relations en R — le test de corrélation (Pearson, Spearman, Kendall) et la matrice de corrélation — avec le flux de travail rstatix, l’équivalent en base R et des graphiques ggpubr.

Apprendre › Biostatistique › Corrélation

La corrélation mesure la façon dont deux variables évoluent ensemble — le fondement de l’analyse des relations en statistique. Cette série couvre les deux questions que les gens recherchent vraiment : « ces deux variables sont-elles corrélées ? » (le test de corrélation — Pearson, Spearman ou Kendall) et « comment toutes mes variables sont-elles liées ? » (la matrice de corrélation). Chaque leçon commence par le flux de travail rstatix, montre l’équivalent en base R cor.test() / cor(), et visualise le résultat avec ggpubr.

La corrélation en une minute

cor_test(), issu de rstatix, donne une réponse nette — le coefficient, son intervalle de confiance et la p-value — et ggpubr::ggscatter() trace la relation avec la statistique affichée sur le panneau. Une seule relation à partir des données intégrées mtcars :

library(ggpubr)

ggscatter(
  mtcars, x = "wt", y = "mpg",
  add = "reg.line", conf.int = TRUE,
  color = "#3a86d4",
  add.params = list(color = "#1f4e79"),
  xlab = "Weight (1000 lbs)", ylab = "Miles per gallon"
) +
  stat_cor(method = "pearson")

Plusieurs variables à la fois. Une matrice de corrélation résume chaque relation par paires ; une heatmap rapide rend la structure évidente — ici pour six colonnes numériques de mtcars :

library(corrplot)

m <- cor(mtcars[, c("mpg", "disp", "hp", "drat", "wt", "qsec")])
corrplot(
  m, method = "color", type = "upper",
  addCoef.col = "black", tl.col = "black", tl.srt = 45,
  col = colorRampPalette(c("#b2182b", "white", "#3a86d4"))(200)
)

Voilà toute la série : un coefficient clair avec sa p-value, et une image lisible de la façon dont vos variables sont liées.

Leçons

Note

Cette série couvre le test de corrélation (la relation est-elle significative ?), la matrice de corrélation (analyser, mettre en forme et visualiser), et le corrélogramme. La partie graphique se trouve dans la leçon ggpubr nuage de points + corrélation.

🟢 Avec un agent IA

Demandez à Prova : « la corrélation entre ces deux variables est-elle significative, et quelle méthode dois-je utiliser ? » — elle répond avec du code rstatix que vous pouvez exécuter sur vos propres données, puis vous aide à lire le coefficient et la p-value. The runtime is the judge. Demander à Prova →

Cette page vous a-t-elle été utile ?

Prouvez que vous savez le faire. Maîtrisez toute la série Corrélation en R — suivez votre parcours, construisez des projets et obtenez un certificat.

Commencer gratuitement →

Passez à Pro — Prova illimité sur vos propres données et un certificat vérifiable qui atteste la compétence.

dès 15 $/mois facturé annuellement

Passer à Pro →

✓ Vous êtes Pro — continuez. The runtime is the judge.

Prêt à passer à la vitesse supérieure ?

Essayez sur vos propres données avec Prova — the runtime is the judge.Ouvrir Prova →

Recevez les nouvelles leçons R & Python par e-mail

Pratique, reproductible, sans spam. Désinscription à tout moment.

Double opt-in. Nous ne partageons jamais votre e-mail.

Partager cette pageXLinkedInRedditHN