Discussion :

[cjuery]

Bonjour,

je suis débutante sur R, et voilà un moment que je cherche une solution à mon problème.

Le voilà : j'ai un tableau à deux colonnes. La première contient des classes (Cluster 1, cluster 2....), la deuxième contient des données de présence absence (0 et1). Ce que je souhaite faire c'est "permuter" ou randomiser les 0 et les 1 de la deuxième colonne pour tester si la distribution des 0 et des 1 est le fait du hasard ou si il y a une distribution particulière de mes valeurs observées.

Merci d'avance pour votre aide

Caro


permH3K36.ods

[faubry]

La fonction sample permet de permuter un ensemble de valeurs. Par exemple, si data est le data.frame, sample( data$cluster_exp) permute les valeurs de la colonne cluster_exp.

N.B. : quand on utilise un générateur aléatoire, ce que fait sample, il est préférable d'initialiser le générateur par la fonction set.seed. Dans ces conditions, on est assuré qu'on retrouvera toujours les mêmes valeurs à chaque lancement de la procédure, ce qui rend le code reproductible.

[cjuery]

Super, merci!

en fait j'ai fini par réussir à faire la permutation. Et maintenant il faut que je la fasse 10 000 fois. En fait c'est du "resample" que je dois faire.
Je pensais l'inclure dans une boucle for et faire un fisher.test à chaque resample..

Merci encore

[faubry]

C'est une solution. Une autre serait d'aller voir le package 'coin' s'il ne répond pas de manière plus générale au problème.

[cjuery]

en fait je ne parviens pas à savoir 'il existe une fonction pour ce que je dois faire ou si cela nécessite de faire une boucle :

j'ai fait un test de fisher qui m'indique que mes deux variables (Cluster et présence/absence de quelque chose) sont reliées.

Ce que je dois faire c'est changer la distribution de la variable "présence/absence" par une permutation ou un resample (je ne sais pas lequel) et refaire à chaque fois le test de fisher.

Le but est de voir si la dépendance entre mes variables est liée au hasard ou non...

Voilà mon vrai problème

[faubry]

Si on suit Manly, c'est la variable observée qui doit être permutée mais dans le cas du test d'indépendance entre deux variables, le choix de la variable à permuter ne devrait rien changer. Cependant, je pense que l'utilisation de la fonction indepence_test du package coin répond parfaitement au problème (cf. page de présentation du package :

The coin package provides an implementation of a general framework for conditional inference procedures commonly known as permutation tests.

)