# Association.r

# Chargement des fonctions et packages
library(vcdExtra)
library(descr)
library(car) # pour la fonction recode()
source("mesofas.r")

# Chargement des données et affichage des tables de contingence
load("Ordination.rda")
crosstab(Ordination$Votants,Ordination$Vote,plot=FALSE)

load("TravEduc.rda")
crosstab(TravEduc$Education,TravEduc$Travail,plot=FALSE)

load("Ronflements.rda")
crosstab(Ronflements$Maladie,Ronflements$Ronfler,plot=FALSE)

load("Infections.rda")
crosstab(Infections$age,Infections$r_infect,plot=FALSE)

load("PoidsBébé.rda")
crosstab(PoidsBébé$SMOKE,PoidsBébé$LOW,plot=FALSE)

load("Syndicalisation.rda")
S1 <- subset(Syndicalisation,Syndicalisation$état_civil=="non-marié")
S2 <- subset(Syndicalisation,Syndicalisation$état_civil=="marié")
crosstab(S1$sexe,S1$syndiqué,plot=FALSE)
crosstab(S2$sexe,S2$syndiqué,plot=FALSE)

load("Arbres.rda")
crosstab(Arbres$Chercheur_2,Arbres$Chercheur_1,plot=FALSE)


##################################
# Mesures pour variables nominales

# Chi-2
crosstab(Ordination$Votants,Ordination$Vote,plot=FALSE,expected=TRUE)
mesofas.chi2(Ordination$Votants,Ordination$Vote)

# Normalisation du chi-2
mesofas.V(Ordination$Votants,Ordination$Vote)
mesofas.phi(Ordination$Votants,Ordination$Vote)
mesofas.C(Ordination$Votants,Ordination$Vote)
mesofas.Sadoka(Ordination$Votants,Ordination$Vote)
mesofas.T(Ordination$Votants,Ordination$Vote)

# Lambda de Goodman & Kruskal
crosstab(TravEduc$Education,TravEduc$Travail,plot=FALSE)
mesofas.lambda(TravEduc$Education,TravEduc$Travail)

mesofas.lambda(Ordination$Votants,Ordination$Vote,table=TRUE)

# Tau de Goodman & Kruskal
mesofas.tau(TravEduc$Education,TravEduc$Travail)

# u de Theil
mesofas.u(TravEduc$Education,TravEduc$Travail)


##################################
# Mesures pour variables ordinales

# Mesures de concordance/discordance
crosstab(Ronflements$Maladie,Ronflements$Ronfler,plot=FALSE)

mesofas.tau_a(Ronflements$Maladie,Ronflements$Ronfler)
mesofas.gamma(Ronflements$Maladie,Ronflements$Ronfler)
mesofas.d(Ronflements$Maladie,Ronflements$Ronfler)
mesofas.tau_b(Ronflements$Maladie,Ronflements$Ronfler)
mesofas.tau_c(Ronflements$Maladie,Ronflements$Ronfler)

# Corrélation de Spearman
mesofas.spearman(Ronflements$Maladie,Ronflements$Ronfler)


###################################
# Mesures pour variables numériques

# Corrélation de Pearson
Age <- as.numeric(Infections$age)
Age <- recode(Age,"1=17;2=22;3=27")
R_infect <- as.numeric(Infections$r_infect)
R_infect <- recode(R_infect,"1=0;2=2;3=5")

crosstab(Age,R_infect,plot=FALSE)
mesofas.pearson(Age,R_infect)

# Eta
R_infect <- as.numeric(Infections$r_infect)
R_infect <- recode(R_infect,"1=0;2=2;3=5")
mesofas.eta(Infections$age,R_infect)


#########################
# Mesures pour tables 2x2

# Odds ratio
mesofas.or(PoidsBébé$SMOKE,PoidsBébé$LOW)

# Q et Y de Yule
mesofas.q(PoidsBébé$SMOKE,PoidsBébé$LOW)
mesofas.y(PoidsBébé$SMOKE,PoidsBébé$LOW)

# Risque relatif
mesofas.rr(PoidsBébé$SMOKE,PoidsBébé$LOW,modality=1)
mesofas.rr(PoidsBébé$SMOKE,PoidsBébé$LOW,modality=2)


######################
# Mesure de l'agrément

mesofas.kappa(Arbres$Chercheur_2,Arbres$Chercheur_1)