Science des données biologiques

Réalisé par le service d'Écologie numérique des Milieux aquatiques, Université de Mons (Belgique)

Préambule

Si vous n’avez jamais utilisé de tutoriel “learnr”, familiarisez-vous d’abord avec son interface ici.

Conformément au RGPD (Règlement Général sur la Protection des Données), nous sommes tenus de vous informer de ce que vos résultats seront collecté afin de suivre votre progression. Les données seront enregistrées au nom de l’utilisateur apparaissant en haut de cette page. Corrigez si nécessaire ! En utilisant ce tutoriel, vous marquez expressément votre accord pour que ces données puissent être collectées par vos enseignants et utilisées pour vous aider et vous évaluer. Après avoir été anonymisées, ces données pourront également servir à des études globales dans un cadre scientifique et/ou éducatif uniquement.

Objectifs

  • Vérifier l’acquisition des notions relatives aux histogrammes

  • Vérifier l’acquisition des notions relatives aux graphiques de densité

  • Vérifier l’acquisition des notions relatives aux diagrammes en violon

Ce test comporte des questions théoriques ainsi que des questions pratiques. Ce test est certificatif.

Visualisation graphique

Biométrie humaine

Intéressez vous au jeu de données sur la biométrie humaine ci-dessous

# Importation du jeu de données
(biometry <- read("biometry", package = "BioDataScience", lang = "fr"))

Reproduisez le graphique suivant qui représente la distribution de l’age des individus sondés lors d’une étude portant sur l’obésité en Hainaut. Le genre de ces derniers est employé afin produire deux graphiques.

Nom du jeu de données et des variables importantes

[1] "biometry" "age"      "gender"  

# Not yet...

Reproduisez le graphique suivant qui représente la répartition de la densité de la hauteur en fonction du genre des individus.

Nom du jeu de données et des variables importantes

[1] "gender"   "biometry" "height"  

# Not yet...

Reproduisez le graphique suivant qui représente la répartition de la densité de la hauteur en fonction du genre des individus.

Nom du jeu de données et des variables importantes

[1] "height"   "biometry" "gender"  

# Not yet...

Analyse d’image du zooplancton

Intéressez vous au jeu de données sur l’analyse d’image du zooplancton humaine ci-dessous.

# Importation du jeu de données
(zooplankton <- read("zooplankton", package = "data.io", lang = "fr"))
# Filtre du jeu de données pour obtenir uniquement les copépodes.
(copepoda <- filter(zooplankton, class %in% c("Calanoid", "Cyclopoid", "Harpacticoid", "Poecilostomatoid")))

Reproduisez le graphique suivant qui représente la répartition de taille en fonction de la classe des copépodes.

Nom du jeu de données et des variables importantes

[1] "copepoda" "size"     "class"   

# Not yet...

Reproduisez le graphique suivant qui représente la répartition de taille en fonction de la classe des copépodes.

Nom du jeu de données et des variables importantes

[1] "size"     "copepoda" "class"   
Picking joint bandwidth of 0.0583

library(ggridges)
# Not yet...

Reproduisez le graphique suivant qui représente la répartition de taille en fonction de la classe du zooplancton.

Nom du jeu de données et des variables importantes

[1] "size"        "class"       "zooplankton"
Picking joint bandwidth of 0.112

library(ggridges)
# Not yet...

Biométrie d’oursins

Intéressez vous au jeu de données sur la biométrie d’oursin ci-dessous.

# Importation du jeu de données
(urchin <- read("urchin_bio", package = "data.io", lang = "fr"))

Reproduisez le graphique suivant qui représente la variation de la taille en fonction de la masse des oursins. L’orgine de ces derniers est mis en évidence par la couleur.

Nom du jeu de données et des variables importantes

[1] "origin" "height" "weight" "urchin"

# Not yet...

Reproduisez le graphique suivant qui représente la variation de la taille en fonction de la masse des oursins. L’orgine et le sex de ces derniers sont mis en évidence par la couleur et la forme.

Nom du jeu de données et des variables importantes

[1] "origin" "weight" "height" "urchin" "sex"   
Warning: Removed 232 rows containing missing values (geom_point).

# Not yet...

Conclusion

Bravo! Vous venez de terminer votre séance d’exercie dans un tutoriel “learnr”.

Laissez nous vos impressions sur cet outil pédagogique ou expérimentez encore dans la zone ci-dessous. Rappelez-vous que pour placer un commentaire dans une zone de code R, vous devez utilisez un dièse (#) devant vos phrases.

# Ajout de commentaires 
# ...
# Not yet...

Visualisation II

Guyliann Engels & Philippe Grosjean