Exercices_de_synthese_-_SAS_Base

PROC IMPORT OUT = WORK.CARS
    DATAFILE = "/chemin/cars.txt"
    DBMS = TAB REPLACE ;
    GETNAMES = YES ;
RUN ;

data cars2 ;
    set cars ;
    format price 8.2  mileage 6.0  cylinder 1.0  liter 3.1
           doors 1.0  cruise 1.0  sound 1.0  leather 1.0 ;
run ;

data cars2 ;
    set cars2 ;
    kilometrage = mileage * 1.6 ;
    drop mileage ;
run ;

symbol1 i=none v=star c=red ;

proc gplot data=cars2 ;
    plot price*kilometrage = 1 ;
run ; quit ;

À première vue, le nuage de points ne montre aucun lien net entre le prix et le kilométrage. Mais en triant et en stratifiant l'analyse par marque, modèle et finition, la relation devient beaucoup plus nette :

proc sort data=cars2 ;
    by Make Model Trim ;
run ;

proc sgplot data=cars2 ;
    by Make ;
    reg y=Price x=Kilometrage ;
run ;

C'est une bonne illustration d'un principe général : un nuage de points global peut masquer une relation qui n'apparaît qu'une fois la population correctement stratifiée.

proc print data=cars ;
    where price > 52000 ;
run ;

Il ne s'agit pas de valeurs aberrantes : ce sont des véhicules haut de gamme cohérents entre eux (cylindrée, équipement). La bonne approche, comme à la question 3, est d'analyser par marque et par modèle plutôt que sur la population entière.

PROC IMPORT DATAFILE = "/chemin/temperatures.txt"
    OUT = WORK.TEMPERATURES DBMS = TAB REPLACE ;
RUN ;

data temp2 ;
    set temperatures ;
    format year 4.0  month z2. ;
    year = year + 1900 ;
run ;

Point important : dans ce fichier, l'année est codée sur deux chiffres (75 pour 1975). Aucun format ne peut deviner ce décalage à votre place : c'est une correction explicite (year = year + 1900) qu'il faut faire dans les données, pas seulement un affichage.

data temp3 ;
    set temp2 ;
    date = mdy(month, 1, year) ;
    format date monyy5. ;
run ;

proc print data=temp3 (obs=10) ;
    var precp temp ;
    id date ;
run ;

proc means data=temp3 noprint ;
    var precp ;
    output out=tab1 mean=m1 std=sigma max=maxi min=mini ;
run ;

proc print data=tab1 ; run ;

proc means data=temp3 noprint ;
    var temp precp ;
    class year ;
    output out=tab2 mean=m_temp m_precp ;
run ;

data tab2 ;
    set tab2 ;
    if _type_ = 0 then delete ;
    drop _type_ ;
run ;

proc print data=tab2 ;
    var m_temp m_precp ;
    id year ;
run ;

symbol1 i=join v=none c=black ;
symbol2 i=join v=none c=red ;

proc gplot data=tab2 ;
    plot m_temp*year=1 m_precp*year=2 / overlay ;
    title "Moyennes annuelles - temperatures et precipitations" ;
run ;

/* Avec deux echelles distinctes en ordonnee */
proc gplot data=tab2 ;
    plot  m_temp*year=1 ;
    plot2 m_precp*year=2 ;
run ;
title ;

proc means data=temp3 noprint ;
    var temp precp ;
    class month ;
    output out=tab3 mean=m_temp m_precp ;
run ;

data tab3 ;
    set tab3 ;
    if _type_ = 0 then delete ;
    drop _type_ ;
run ;

proc print data=tab3 ;
    var m_temp m_precp ;
    id month ;
run ;

proc gplot data=tab3 ;
    plot m_temp*month=1 m_precp*month=2 / overlay ;
    title "Moyennes mensuelles - temperatures et precipitations" ;
run ;

proc gplot data=tab3 ;
    plot  m_temp*month=1 ;
    plot2 m_precp*month=2 ;
run ;
title ; goptions reset=title ;

data tips ;
    infile "/chemin/tips.txt" ;
    input IDEN $ 1-4  TOTBILL 7-11  TIP 15-18  SEX 23-23
          SMOKER 30-30  DAY 35-35  TIME 40-40  SIZE 45-45 ;
run ;

data tips2 ;
    set tips ;
    rate = (tip*100) / totbill ;
    format rate 5.2 ;
run ;

proc means data=tips2 ;
    var totbill tip rate size ;
run ;

proc format ;
    value jour   3='Jeudi'  4='Vendredi'  5='Samedi'  6='Dimanche' ;
    value moment 0='Dejeuner'  1='Diner' ;
run ;

data tips3 ;
    set tips2 ;
    format day jour.  time moment. ;
run ;

proc sort data=tips3 ;
    by day ;
run ;

proc means data=tips3 ;
    var rate ;
    by day ;
    class time ;
run ;

proc sort data=tips3 ;
    by sex smoker ;
run ;

proc means data=tips3 ;
    var rate ;
    by sex smoker ;
    class size ;
run ;

data notes ;
    input nom $ int1 int2 int3 ;
    cards ;
Eric 12 3 8
Maxence 15 4 13
Margaux 12 13 17
Xavier 4 12 10
Elisa 16 5 9
;
run ;

data notes2 ;
    set notes ;
    format etendue 4.2  moyenne 4.2  std 4.2 ;
    etendue = max(of int1-int3) - min(of int1-int3) ;
    moyenne = mean(of int1-int3) ;
    std     = std(of int1-int3) ;
run ;

proc print data=notes2 ; run ;

proc sort data=notes2 out=notes_tri1 ;
    by nom ;
run ;

proc sort data=notes2 out=notes_tri2 ;
    by descending moyenne ;
run ;

proc sort data=notes2 out=notes_tri3 ;
    by descending int2 ;
run ;

proc print data=notes_tri3 ;
    var int2 ;
    id nom ;
run ;

Point de vigilance : après un tri vers une table de sortie (out=), pensez à diriger la PROC PRINT vers cette nouvelle table triée, et non vers la table d'origine — c'est l'erreur la plus fréquente sur ce type de question.

symbol1 i=join v=none c=black ;
symbol2 v=star c=red l=2 ;

proc gplot data=temp3 ;
    plot precp*date=1 temp*date=2 / overlay ;
    title "Precipitations et temperatures au Canada" ;
run ;
title ;

data nascar ;
    infile "/chemin/nascar.txt" lrecl=100 pad ;
    input Series 1-3  Year 6-9  @12 Race_Year 2.  @16 Finish_Pos 2.  @20 Start_Pos 2.
          @24 Laps 3.  @29 Winnings 7.  @38 Cars 2.  @42 Car_Make $9.  @53 Driver $30. ;
run ;

proc contents data=nascar ; run ;

proc means data=nascar noprint ;
    by year ;
    class driver ;
    var winnings ;
    output out=gain_annuel sum=gain ;
run ;

data gain_annuel2 ;
    set gain_annuel ;
    if _type_ = 0 then delete ;
    drop _type_ ;
run ;

proc sort data=nascar out=nascar_tri ;
    by year descending laps ;
run ;

data all_laps ;
    set nascar_tri ;
    by year ;
    retain laps_max ;
    if first.year then laps_max = laps ;   /* le pilote de tete du classement a boucle le plus de tours */
    if laps = laps_max then output ;       /* on ne garde que ceux qui ont boucle autant de tours que lui */
run ;

proc print data=all_laps (obs=10) noobs ; run ;

Un pilote qui abandonne en course boucle moins de tours que celui qui mène la course jusqu'au bout : comparer le nombre de tours de chaque pilote à celui du meneur de son année est donc un bon indicateur de qui a réellement terminé la course. La sélection elle-même reste une pure étape DATA, construite avec RETAIN et FIRST., exactement comme au module V ; seul le tri préalable (nécessaire à l'instruction BY) passe par une PROC SORT.

data electric ;
    infile "/chemin/electricbill.txt" ;
    input NUM 1-3  YEAR 5-8  MONTH $ 10-12  BILL 14-19  TEMP 21-24  HDD 26-29  CDD 31-33
          SIZE 35  METER 37  PUMP1 39  PUMP2 41  RIDER_TOTAL 43-52  CONSUMPTION 54-58 ;
run ;

proc contents data=electric ; run ;

data electric2 ;
    set electric ;
    format temp_c 4.1 ;
    temp_c = (5/9)*(temp-32) ;
    drop temp ;
run ;

data electric3 ;
    set electric2 ;
    a = mod(num,12) ;   /* reconstruit un cycle 1 a 12 a partir du numero sequentiel */
    if a = 0 then a = 12 ;
    ident = mdy(a, 1, year) ;
    format ident monyy7. ;
    drop a ;
run ;

symbol1 i=join v=none c=black ;
proc gplot data=electric3 ;
    plot bill*ident=1 / skipmiss ;
run ;

Un point clairement aberrant apparaît fin décembre. En y regardant de plus près (observation NUM=24) : il s'agit d'une véritable erreur de saisie, l'année ayant été notée 93 au lieu de 92.

data electric4 ;
    set electric3 ;
    if num = 24 then year = 1992 ;
    a = mod(num,12) ;
    if a = 0 then a = 12 ;
    ident = mdy(a, 1, year) ;
    format ident monyy7. ;
    drop a ;
run ;

proc gplot data=electric4 ;
    plot bill*ident=1 / skipmiss ;
run ;

proc means data=electric4 ;
    var bill ;
    class year ;
run ;

proc means data=electric4 ;
    var bill ;
    class month ;
run ;

proc means data=electric4 ;
    var bill ;
    class size ;
run ;

proc means data=electric4 ;
    var bill ;
    class meter ;
run ;