#Chapitre 6
#page 260
require(BioStatR)
## Loading required package: BioStatR
glycine.blanche<-subset(Mesures,subset=(Mesures$espece=="glycine blanche"))
mean(glycine.blanche$taille)
## [1] 14.77222
#page 261
var(glycine.blanche$taille)
## [1] 10.91412
#page 262
(var(glycine.blanche$taille))*((length(glycine.blanche$taille)-1)/
  length(glycine.blanche$taille))
## [1] 10.71201
glycine.blanche<-subset(Mesures5,subset=(Mesures5$espece=="glycine blanche"))

#page 263
effectif.cumule<-cumsum(table(glycine.blanche$graines))
effectif.cumule
##  1  2  3  4  5  6  7 
##  7 26 37 47 52 53 54
37/54
## [1] 0.6851852
#page 264
qnorm(0.975)
## [1] 1.959964
#page 265
glycine.blanche<-subset(Mesures,subset=(Mesures$espece=="glycine blanche"))
shapiro.test(glycine.blanche$taille)
## 
##  Shapiro-Wilk normality test
## 
## data:  glycine.blanche$taille
## W = 0.97977, p-value = 0.4906
#page 239
length((glycine.blanche$taille))
## [1] 54
qqnorm(glycine.blanche$taille)
qqline(glycine.blanche$taille)

pdf("figch61A.pdf")
qqnorm(glycine.blanche$taille)
qqline(glycine.blanche$taille)
dev.off()
## quartz_off_screen 
##                 2
#argument: un dataframe et le nom d'une variable
gg_qqplot(glycine.blanche,"taille")
## 1st quartile :  -0.674489750196082 
## 3rd quartile :  0.674489750196082 
## Intercept :  14.6 
## Slope :  3.37292004710024

library(ggplot2)
pdf("figch61B.pdf")
gg_qqplot(glycine.blanche,"taille")
## 1st quartile :  -0.674489750196082 
## 3rd quartile :  0.674489750196082 
## Intercept :  14.6 
## Slope :  3.37292004710024
dev.off()
## quartz_off_screen 
##                 2
#En plus : autre manière de construire le diagramme quantile-quantile
#basé sur la loi normale centrée et réduite
ggplot(glycine.blanche, aes(sample = taille)) + stat_qq()