Université Claude Bernard Lyon 1 - Kora

#marginalitém=apply(S, 2, mean)#specialisationRs12=eigen(Rs)$vectors %*% diag(eigen(Rs)$values^(-1/2)) %*%t(eigen(Rs)$vectors)z=Rs12 %*% my=z/as.numeric(sqrt(crossprod(z)))W=Rs12 %*% Rg %*% Rs12H=(diag(xtest$V)-y %*% t(y)) %*% W %*% (diag(xtest$V)-y %*%t(y))eigH=eigen(H)# globalementreturn(c(sqrt(sum(m^2))/1.96,eigH$values[1]))}res=lapply(1:nrep, f1)mar=unlist(lapply(res, function(x) x[1]))spe1=unlist(lapply(res, function(x) x[2]))Mar=xtest$MarSpe1=xtest$eig[2]mcMar=as.randtest(mar, Mar)mcSpe1=as.randtest(spe1, Spe1)par(mfrow=c(3,2))par(mar=c(5.1,4.1,2.1,2.1))# histogrammesplot(mcMar, main='Marginalité', xlab=NULL, ylab='Fréquence')plot(mcSpe1, main='Spécialisation', xlab=NULL, ylab='Fréquence')# relation linéairexrange=c(min(Mar,mar),max(Mar,mar))yrange=c(min(Spe1,spe1),max(Spe1,spe1))plot(mar, spe1, main='Modèle linéaire', xlab='Marginalité',ylab='Spécialisation', xlim=xrange, ylim=yrange)points(Mar, Spe1, pch=19, col='blue', cex=1.5)lm1=lm(data.frame(y=spe1, x=mar))new=data.frame(x = seq(xrange[1], xrange[2], length=100))pred=predict(lm1, new, interval="prediction")matplot(new$x,pred, type="l", add=T)qqnorm(lm1$res)qqline(lm1$res)# relation loglinéaireplot(mar, log(spe1), main='Modèle log-linéaire', xlab='Marginalité',ylab='Spécialisation', xlim=xrange, ylim=log(yrange))points(Mar, log(Spe1), pch=19, col='blue', cex=1.5)lm2=lm(data.frame(y=log(spe1), x=mar))new=data.frame(x = seq(xrange[1], xrange[2], length=100))pred=predict(lm2, new, interval="prediction")matplot(new$x,cbind(pred), type="l", add=T)qqnorm(lm2$res)qqline(lm2$res)par(mfrow=c(1,1))par(mar=c(5,4,4,2)+0.1)}liste=list(res=res, mar=mar, spe1=spe1, Mar=Mar, Spe1=Spe1,mcMar=mcMar, mcSpe1=mcSpe1, lin=lm1, loglin=lm2)class(list)='mcENFA'return(invisible(liste))34