{"id":3090,"date":"2026-10-14T18:00:57","date_gmt":"2026-10-14T18:00:57","guid":{"rendered":"http:\/\/french.arabpsychology.com\/statistics\/comment-arrondir-les-nombres-dans-r-5-exemples\/"},"modified":"2026-10-14T18:00:57","modified_gmt":"2026-10-14T18:00:57","slug":"comment-arrondir-les-nombres-dans-r-5-exemples","status":"publish","type":"psych_stat","link":"https:\/\/french.arabpsychology.com\/?psych_stat=comment-arrondir-les-nombres-dans-r-5-exemples","title":{"rendered":"Comment arrondir les nombres dans R (5 exemples)"},"content":{"rendered":"

Dans le domaine de l’analyse quantitative contemporaine, le traitement des grandeurs num\u00e9riques continues constitue une \u00e9tape charni\u00e8re qui conditionne \u00e0 la fois la rigueur analytique, la conformit\u00e9 m\u00e9trologique et la reproductibilit\u00e9 computationnelle. L’environnement statistique R<\/a>, con\u00e7u originellement par Ross Ihaka et Robert Gentleman comme une impl\u00e9mentation libre du langage S, int\u00e8gre une architecture arithm\u00e9tique complexe reposant sur des conventions internationales standardis\u00e9es. Cependant, la transition entre le continuum des r\u00e9els th\u00e9oriques et leur discr\u00e9tisation au sein de structures m\u00e9moires binaires finies engendre des d\u00e9fis m\u00e9thodologiques consid\u00e9rables, souvent sous-estim\u00e9s par les praticiens des sciences des donn\u00e9es, de l’\u00e9conom\u00e9trie et de la psychom\u00e9trie.<\/p>\n

Arrondir un nombre ne saurait \u00eatre r\u00e9duit \u00e0 une simple op\u00e9ration cosm\u00e9tique destin\u00e9e \u00e0 \u00e9purer la console d’affichage ou \u00e0 condenser un tableau de r\u00e9sultats dans une publication acad\u00e9mique. Il s’agit en r\u00e9alit\u00e9 d’une transformation math\u00e9matique non lin\u00e9aire qui alt\u00e8re l’int\u00e9grit\u00e9 distributionnelle des variables, modifie la variance empirique et peut introduire des biais syst\u00e9matiques au sein d’estimateurs statistiques hautement sensibles. Dans des champs disciplinaires tels que la psychologie computationnelle, l’\u00e9pid\u00e9miologie ou la mod\u00e9lisation biostatistique, le choix d\u00e9lib\u00e9r\u00e9 ou irr\u00e9fl\u00e9chi d’un algorithme de r\u00e9duction d\u00e9cimale peut infl\u00e9chir les seuils de d\u00e9cision clinique, fausser le calcul de tailles d’effet standardis\u00e9es ou compromettre la comparabilit\u00e9 inter-laboratoires.<\/p>\n

Le pr\u00e9sent trait\u00e9 propose une exploration exhaustive, th\u00e9orique et op\u00e9rationnelle des cinq fonctions primitives fondamentales d\u00e9di\u00e9es \u00e0 l’arrondi dans le logiciel R : round()<\/code>, signif()<\/code>, ceiling()<\/code>, floor()<\/code> et trunc()<\/code>. \u00c0 travers l’analyse syst\u00e9matique d’un vecteur empirique standardis\u00e9 et le d\u00e9cryptage des m\u00e9canismes de repr\u00e9sentation en virgule flottante r\u00e9gis par la norme IEEE 754, cette \u00e9tude entend fournir aux chercheurs, ing\u00e9nieurs et analystes de donn\u00e9es le cadre conceptuel et algorithmique indispensable pour ma\u00eetriser la pr\u00e9cision de leurs calculs, optimiser leurs flux de traitement de donn\u00e9es volumineuses et garantir une restitution graphique et tabulaire conforme aux plus hauts standards acad\u00e9miques internationaux.<\/p>\n

1. 1. Introduction \u00e0 la gestion des d\u00e9cimales et \u00e0 l’arrondi dans le logiciel R<\/h2>\n

1.1 1.1 Importance m\u00e9trologique et \u00e9pist\u00e9mologique de l’arrondi en analyse de donn\u00e9es<\/h3>\n

L’acte d’arrondir une quantit\u00e9 num\u00e9rique repr\u00e9sente, au sens \u00e9pist\u00e9mologique, une perte d\u00e9lib\u00e9r\u00e9e d’information m\u00e9trologique op\u00e9r\u00e9e dans le but de rendre une mesure intelligible, communicable ou conforme aux capacit\u00e9s de r\u00e9solution de l’instrument de mesure sous-jacent. Dans les sciences empiriques, une mesure n’est jamais absolue ; elle est intrins\u00e8quement assortie d’une incertitude. Conserver une cha\u00eene de seize d\u00e9cimales pour un score d’anxi\u00e9t\u00e9 ou un temps de r\u00e9action en laboratoire constitue une aberration m\u00e9trologique d\u00e9sign\u00e9e sous le terme d’illusion de pr\u00e9cision. La pr\u00e9cision computationnelle ne saurait supplanter la validit\u00e9 de construit ou la fid\u00e9lit\u00e9 des instruments psychom\u00e9triques ou physiques employ\u00e9s.<\/p>\n

D’un point de vue informatique, une distinction capitale et permanente doit \u00eatre op\u00e9r\u00e9e entre le stockage interne d’une valeur dans la m\u00e9moire vive de l’ordinateur et son affichage format\u00e9 au sein de l’interface utilisateur. R pr\u00e9serve par d\u00e9faut la pr\u00e9cision maximale permise par le syst\u00e8me lors de toutes les op\u00e9rations arithm\u00e9tiques interm\u00e9diaires. Intervenir sur cette valeur par une fonction d’arrondi modifie la charge binaire de la donn\u00e9e elle-m\u00eame, transformant de mani\u00e8re irr\u00e9versible le nombre stock\u00e9. \u00c0 l’inverse, un formatage visuel modifie uniquement la cha\u00eene de caract\u00e8res imprim\u00e9e \u00e0 l’\u00e9cran, laissant intacte la mantisse sous-jacente pour les calculs ult\u00e9rieurs.<\/p>\n

En psychom\u00e9trie et en analyse comportementale, cette distinction est n\u00e9vralgique. L’arrondi pr\u00e9matur\u00e9 d’un score factoriel ou d’un coefficient de corr\u00e9lation de Pearson peut d\u00e9grader l’estimation de la coh\u00e9rence interne d’un instrument, introduire des singularit\u00e9s dans l’inversion d’une matrice de variance-covariance et fausser l’ajustement d’un mod\u00e8le d’\u00e9quations structurelles. Le syst\u00e8me R met \u00e0 disposition cinq fonctions natives fondamentales (round()<\/code>, signif()<\/code>, ceiling()<\/code>, floor()<\/code> et trunc()<\/code>), chacune ob\u00e9issant \u00e0 des axiomes math\u00e9matiques distincts qu’il convient de cartographier rigoureusement.<\/p>\n

1.2 1.2 Repr\u00e9sentation machine des nombres flottants selon la norme IEEE 754<\/h3>\n

L’infrastructure de calcul num\u00e9rique de R repose universellement sur la norme internationale IEEE 754<\/a> pour l’arithm\u00e9tique en virgule flottante, sp\u00e9cifiquement dans son format en double pr\u00e9cision, \u00e9galement appel\u00e9 binary64. Sous ce standard mat\u00e9riel, chaque nombre r\u00e9el est encod\u00e9 sur 64 bits r\u00e9partis de mani\u00e8re asym\u00e9trique : un bit de signe, onze bits allou\u00e9s \u00e0 l’exposant biais\u00e9 et cinquante-deux bits d\u00e9di\u00e9s \u00e0 la fraction, couramment d\u00e9sign\u00e9e sous le terme de mantisse ou significande. Cette architecture conf\u00e8re une pr\u00e9cision relative d’environ 15 \u00e0 17 chiffres d\u00e9cimaux significatifs, sur une plage dynamique s’\u00e9tendant approximativement de 10 \u00e0 la puissance moins 308 jusqu’\u00e0 10 \u00e0 la puissance 308.<\/p>\n

La cons\u00e9quence directe de cette architecture binaire r\u00e9side dans l’incapacit\u00e9 absolue de la machine \u00e0 repr\u00e9senter de fa\u00e7on exacte la majorit\u00e9 des fractions d\u00e9cimales du syst\u00e8me en base dix. Tout comme la fraction un tiers engendre un d\u00e9veloppement d\u00e9cimal infini p\u00e9riodique en base d\u00e9cimale (0.3333…), des fractions d\u00e9cimales \u00e9l\u00e9mentaires telles que un dixi\u00e8me (0.1) ou un vingti\u00e8me (0.05) g\u00e9n\u00e8rent une s\u00e9quence binaire infinie et p\u00e9riodique lorsqu’elles sont converties en base deux. D\u00e8s lors, le compilateur et le processeur sont contraints d’op\u00e9rer une troncature ou un arrondi mat\u00e9riel au 53e bit de significande, introduisant une erreur d’approximation infinit\u00e9simale mais structurelle, qualifi\u00e9e de bruit d’arrondi machine.<\/p>\n

Cette r\u00e9alit\u00e9 architecturale bouleverse l’application na\u00efve des tests d’\u00e9galit\u00e9 logique post-arrondi. Un calcul \u00e9l\u00e9mentaire tel que la soustraction de trois dixi\u00e8mes par un dixi\u00e8me ne produit pas exactement deux dixi\u00e8mes en m\u00e9moire binaire standard. En cons\u00e9quence, l’\u00e9valuation par l’op\u00e9rateur d’\u00e9galit\u00e9 stricte d’une variable arrondie peut retourner un bool\u00e9en n\u00e9gatif inattendu, bloquant des flux d\u00e9cisionnels entiers dans des scripts d’analyse automatis\u00e9s. La standardisation m\u00e9thodologique des algorithmes d’arrondi au sein de R s’av\u00e8re donc imp\u00e9rative pour quiconque souhaite p\u00e9renniser ses calculs scientifiques.<\/p>\n

1.3 1.3 Vue d’ensemble du jeu de donn\u00e9es synth\u00e9tique pour les d\u00e9monstrations<\/h3>\n

Afin de garantir une comparabilit\u00e9 exp\u00e9rimentale rigoureuse et une continuit\u00e9 didactique optimale tout au long de cet ouvrage, nous utiliserons un vecteur de r\u00e9f\u00e9rence invariant, not\u00e9 syst\u00e9matiquement data<\/code>. Ce vecteur num\u00e9rique synth\u00e9tique a \u00e9t\u00e9 \u00e9labor\u00e9 selon des crit\u00e8res m\u00e9trologiques pr\u00e9cis, int\u00e9grant \u00e0 la fois des grandeurs fractionnaires pures, des d\u00e9cimales asym\u00e9triques, un entier naturel strict et une fraction d\u00e9cimale complexe proche d’une fronti\u00e8re sup\u00e9rieure. Le vecteur s’\u00e9nonce formellement ainsi : data <- c(0.3, 1.03, 2.67, 5, 8.91)<\/code>.<\/p>\n

La distribution interne de ce vecteur pr\u00e9sente des propri\u00e9t\u00e9s analytiques particuli\u00e8rement instructives pour l’\u00e9tude comparative. L’\u00e9l\u00e9ment 0.3 illustre le cas d’une fraction non exacte en binaire, strictement inf\u00e9rieure \u00e0 l’unit\u00e9, fr\u00e9quemment rencontr\u00e9e dans l’expression des probabilit\u00e9s ou des tailles d’effet de type d de Cohen. L’\u00e9l\u00e9ment 1.03 int\u00e8gre un z\u00e9ro interm\u00e9diaire apr\u00e8s la virgule, constituant un test d’ordonnancement pour les fonctions sensibles \u00e0 l’amplitude de la mantisse. La valeur 2.67 d\u00e9passe le seuil m\u00e9dian de la d\u00e9cimale (0.5), for\u00e7ant les algorithmes \u00e0 trancher entre maintien ou incr\u00e9mentation de la partie enti\u00e8re. L’entier 5 agit comme un point de contr\u00f4le d’invariance, tandis que 8.91 repr\u00e9sente une valeur \u00e9lev\u00e9e, asym\u00e9trique, proche du d\u00e9cile sup\u00e9rieur de la s\u00e9rie univari\u00e9e.<\/p>\n

L’application syst\u00e9matique des cinq fonctions natives de R sur ce jeu de donn\u00e9es unique permettra de mettre en exergue, sans interf\u00e9rence de variance externe, les divergences formelles de chaque impl\u00e9mentation algorithmique. Ce protocole empirique constituera notre \u00e9talon m\u00e9thodologique pour analyser les d\u00e9calages de sortie, les variations de biais statistique et les transferts de bornes d’intervalles sur l’ensemble de la droite des r\u00e9els.<\/p>\n

2. 2. Fondements math\u00e9matiques et informatiques de la pr\u00e9cision num\u00e9rique sous R<\/h2>\n

2.1 2.1 L’arithm\u00e9tique en virgule flottante et le probl\u00e8me de l’impr\u00e9cision machine<\/h3>\n

La compr\u00e9hension avanc\u00e9e de la r\u00e9duction d\u00e9cimale sous R requiert une mod\u00e9lisation math\u00e9matique du comportement de la variable syst\u00e8me interne .Machine$double.eps<\/code>. Cette constante machine d\u00e9finit le plus petit nombre positif en virgule flottante qui, lorsqu’il est ajout\u00e9 \u00e0 la valeur 1.0, produit un r\u00e9sultat distinct de 1.0 au sein des registres du processeur. Sur les architectures x86-64 contemporaines exploit\u00e9es par la quasi-totalit\u00e9 des instances de R, cette valeur correspond tr\u00e8s pr\u00e9cis\u00e9ment \u00e0 2 \u00e0 la puissance moins 52, soit approximativement 2.220446e-16. Cet horizon constitue la limite de r\u00e9solution fondamentale au-del\u00e0 de laquelle deux scalaires r\u00e9els deviennent indiscernables pour le moteur d’\u00e9valuation.<\/p>\n

Lorsqu’un chercheur ex\u00e9cute une cha\u00eene it\u00e9rative d’op\u00e9rations matricielles ou de r\u00e9gressions non lin\u00e9aires, les bruits d’arrondi inh\u00e9rents \u00e0 chaque op\u00e9ration interm\u00e9diaire ont tendance \u00e0 s’agr\u00e9ger de mani\u00e8re stochastique ou syst\u00e9matique. Dans des cas pathologiques d’inversion de matrices de covariance mal conditionn\u00e9es (caract\u00e9ris\u00e9es par un nombre de conditionnement \u00e9lev\u00e9), ces micro-erreurs d’arrondi peuvent cro\u00eetre de fa\u00e7on exponentielle et submerger le signal analytique pertinent. Ce ph\u00e9nom\u00e8ne d’instabilit\u00e9 num\u00e9rique explique pourquoi deux suites de calculs math\u00e9matiquement \u00e9quivalentes sur le papier m\u00e8nent parfois \u00e0 des r\u00e9sultats divergents en console.<\/p>\n

Face \u00e0 cette contingence computationnelle, l’emploi de l’op\u00e9rateur d’\u00e9galit\u00e9 stricte ==<\/code> doit \u00eatre cat\u00e9goriquement banni pour comparer des variables r\u00e9elles ayant subi des op\u00e9rations arithm\u00e9tiques ou des arrondis. Il convient d’utiliser syst\u00e9matiquement la fonction all.equal()<\/code>, qui teste l’\u00e9galit\u00e9 en tol\u00e9rant une marge d’erreur relative d\u00e9finie par d\u00e9faut \u00e0 la racine carr\u00e9e de la pr\u00e9cision machine, ou de construire manuellement des pr\u00e9dicats bas\u00e9s sur une diff\u00e9rence absolue inf\u00e9rieure \u00e0 un seuil tol\u00e9rance epsilon choisi avec discernement.<\/p>\n

2.2 2.2 Typologie formelle des approches de r\u00e9duction d\u00e9cimale<\/h3>\n

D’un point de vue de l’analyse math\u00e9matique, la r\u00e9duction de la partie fractionnaire d’un nombre r\u00e9el peut \u00eatre op\u00e9r\u00e9e selon plusieurs op\u00e9rateurs fonctionnels, dont les implications sur la distribution sous-jacente s’av\u00e8rent radicalement divergentes. L’approche la plus intuitive, historiquement enseign\u00e9e dans les cursus primaires et largement appliqu\u00e9e dans le commerce, est l’arrondi arithm\u00e9tique standard, souvent qualifi\u00e9 de sym\u00e9trique au plus proche : si la fraction d\u00e9cimale r\u00e9siduelle est strictement inf\u00e9rieure \u00e0 la moiti\u00e9 de l’unit\u00e9 de troncature, la valeur est minor\u00e9e ; si elle est \u00e9gale ou sup\u00e9rieure, elle est major\u00e9e \u00e0 l’entier sup\u00e9rieur le plus proche en valeur absolue.<\/p>\n

Toutefois, cette r\u00e8gle pr\u00e9sente une faille majeure en calcul probabiliste : elle introduit un biais syst\u00e9matique vers le haut pour la valeur fronti\u00e8re exacte 0.5. Si l’on applique l’arrondi arithm\u00e9tique commercial sur une vaste population de mesures centr\u00e9es, l’esp\u00e9rance math\u00e9matique de la variable transform\u00e9e n’est plus \u00e9gale \u00e0 l’esp\u00e9rance de la variable originelle ; elle subit une translation positive artificielle. Pour pallier cette anomalie statistique, la communaut\u00e9 scientifique et financi\u00e8re a \u00e9labor\u00e9 l’arrondi bancaire, ou arrondi convergent (\u00ab round half to even \u00bb), formalis\u00e9 par la norme ISO\/IEC\/IEEE 60559<\/a>. Cette r\u00e8gle stipule qu’une valeur se situant exactement \u00e0 mi-chemin entre deux entiers doit syst\u00e9matiquement \u00eatre arrondie vers l’entier pair le plus proche.<\/p>\n

Parall\u00e8lement \u00e0 ces m\u00e9thodes de convergence au plus proche, l’analyse num\u00e9rique emploie des op\u00e9rateurs de contrainte de bornes stricts : la majoration int\u00e9grale (fonction plafond), la minoration int\u00e9grale (fonction plancher) et l’\u00e9limination brute de la mantisse (troncature). Chacune de ces transformations alt\u00e8re de fa\u00e7on structurelle la fonction de r\u00e9partition empirique de la variable al\u00e9atoire sous-jacente.<\/p>\n

2.3 2.3 Param\u00e9trage global de l’affichage dans la session R<\/h3>\n

L’interface de R offre un m\u00e9canisme de contr\u00f4le global de l’affichage num\u00e9rique via la fonction options()<\/code>, et plus particuli\u00e8rement \u00e0 travers son argument interne digits<\/code>. L’ex\u00e9cution de la directive options(digits = 3)<\/code> ordonne au moteur de restitution textuelle de restreindre l’impression des nombres en console \u00e0 un maximum de trois chiffres significatifs. Il s’agit d’une source fr\u00e9quente de m\u00e9prise chez les analystes novices : cette commande ne modifie en aucun cas la structure interne des objets en m\u00e9moire vive, mais alt\u00e8re exclusivement le filtre de conversion binaire-vers-texte appliqu\u00e9 lors du rendu graphique ou console.<\/p>\n

La confusion entre le param\u00e8tre options(digits)<\/code> et l’appel explicite d’une fonction de transformation comme round()<\/code> ou signif()<\/code> g\u00e9n\u00e8re des risques consid\u00e9rables dans la reproductibilit\u00e9 des protocoles de recherche. Un utilisateur observant une statistique de test tronqu\u00e9e \u00e0 deux d\u00e9cimales \u00e0 l’\u00e9cran peut supposer \u00e0 tort que les fonctions d’exportation vers un fichier CSV ou une base relationnelle SQL transmettront cette valeur simplifi\u00e9e. Or, l’exportation s\u00e9rialis\u00e9e d\u00e9versera la valeur brute cod\u00e9e sur 64 bits, propageant l’int\u00e9gralit\u00e9 des d\u00e9cimales masqu\u00e9es et cr\u00e9ant des ruptures de coh\u00e9rence documentaire.<\/p>\n

Dans le cadre d’un script d’analyse quantitative rigoureux, il est recommand\u00e9 de sanctuariser l’initialisation de l’environnement en fixant explicitement les options d’affichage globales d\u00e8s l’en-t\u00eate du code. Toutefois, toute manipulation de d\u00e9cimales destin\u00e9e \u00e0 transformer la mati\u00e8re analytique doit \u00eatre d\u00e9l\u00e9gu\u00e9e sans ambigu\u00eft\u00e9 \u00e0 des fonctions de transformation d\u00e9terministes op\u00e9rant directement sur la structure des vecteurs de donn\u00e9es.<\/p>\n

3. 3. Exemple 1 : La fonction round() et la r\u00e8gle de l’arrondi bancaire<\/h2>\n

3.1 3.1 Syntaxe officielle et fonctionnement m\u00e9canique de round()<\/h3>\n

La fonction round()<\/code> constitue l’instruction g\u00e9n\u00e9rique la plus couramment sollicit\u00e9e sous R pour r\u00e9duire le d\u00e9veloppement d\u00e9cimal d’un ensemble de scalaires. Sa signature canonique s’articule autour de deux arguments primaires : round(x, digits = 0)<\/code>, o\u00f9 x<\/code> repr\u00e9sente le vecteur num\u00e9rique ou l’objet coercible en r\u00e9els (tel qu’une matrice ou un tableau de donn\u00e9es homog\u00e8ne), et digits<\/code> un entier sp\u00e9cifiant le nombre de d\u00e9cimales \u00e0 pr\u00e9server apr\u00e8s la virgule. Si ce second param\u00e8tre est omis, la valeur par d\u00e9faut est conventionnellement fix\u00e9e \u00e0 z\u00e9ro, ce qui d\u00e9clenche un arrondi vers le nombre entier le plus proche.<\/p>\n

Pour illustrer de mani\u00e8re tangible le comportement de cette primitive, appliquons-la \u00e0 notre vecteur \u00e9talon d\u00e9fini pr\u00e9c\u00e9demment : data <- c(0.3, 1.03, 2.67, 5, 8.91)<\/code>. Lorsque l’on ex\u00e9cute la commande round(data, digits = 1)<\/code>, le moteur interne it\u00e8re de mani\u00e8re vectoris\u00e9e sur chaque \u00e9l\u00e9ment et applique la projection au dixi\u00e8me le plus proche. La valeur 0.3 demeure 0.3 ; 1.03 est abaiss\u00e9 \u00e0 1.0 en raison d’une fraction r\u00e9siduelle (0.03) inf\u00e9rieure au seuil de 0.05 ; 2.67 est rehauss\u00e9 \u00e0 2.7 ; le scalaire 5 est maintenu \u00e0 5 (ou 5.0 selon le mode de rendu) ; enfin, 8.91 est projet\u00e9 sur 8.9. L’application de round(data, digits = 0)<\/code> produit quant \u00e0 elle la s\u00e9quence d’entiers purs : 0, 1, 3, 5, et 9.<\/p>\n

Ce traitement vectoris\u00e9 natif s’ex\u00e9cute directement en langage C au c\u0153ur de l’interpr\u00e9teur R, garantissant une rapidit\u00e9 d’ex\u00e9cution optimale m\u00eame sur des structures de donn\u00e9es matricielles comportant plusieurs millions de lignes, \u00e0 condition que le type de donn\u00e9es sous-jacent soit explicitement num\u00e9rique et non converti en facteur ou en cha\u00eene textuelle.<\/p>\n

3.2 3.2 La sp\u00e9cificit\u00e9 de la norme IEC 60559 : la r\u00e8gle du chiffre pair le plus proche<\/h3>\n

L’aspect le plus d\u00e9routant de la fonction round()<\/code> pour les chercheurs non initi\u00e9s r\u00e9side dans son adh\u00e9sion stricte \u00e0 la norme IEC 60559<\/a> relative \u00e0 l’arrondi vers le nombre pair le plus proche (\u00ab round half to even \u00bb). Contrairement \u00e0 l’intuition commune h\u00e9rit\u00e9e de l’arrondi arithm\u00e9tique commercial \u2014 qui veut qu’une valeur se terminant par un chiffre 5 exact soit syst\u00e9matiquement arrondie au chiffre sup\u00e9rieur \u2014, R \u00e9value la parit\u00e9 du chiffre pr\u00e9c\u00e9dant la d\u00e9cimale m\u00e9diane pour d\u00e9terminer le sens du saut num\u00e9rique.<\/p>\n

Examinons ce ph\u00e9nom\u00e8ne \u00e0 travers une exp\u00e9rience empirique \u00e9l\u00e9mentaire. Si nous soumettons \u00e0 la fonction round()<\/code> les scalaires 0.5 et 1.5 avec un argument digits = 0<\/code>, le r\u00e9sultat d\u00e9fie les attentes traditionnelles : round(0.5)<\/code> retourne 0, tandis que round(1.5)<\/code> retourne 2. Dans le premier cas, le chiffre entier pr\u00e9c\u00e9dant la demi-unit\u00e9 est 0 (consid\u00e9r\u00e9 comme pair en arithm\u00e9tique binaire), l’algorithme tronque donc vers le bas. Dans le second cas, le chiffre entier est 1 (impair), l’algorithme arrondit donc vers le haut pour atteindre le nombre pair 2. De mani\u00e8re identique, round(2.5)<\/code> produira 2, alors que round(3.5)<\/code> produira 4.<\/p>\n

Cette impl\u00e9mentation math\u00e9matique ne d\u00e9coule nullement d’une anomalie logicielle, mais d’un imp\u00e9ratif de neutralit\u00e9 statistique formul\u00e9 par Carl Friedrich Gauss. Lors de l’agr\u00e9gation de grands volumes de donn\u00e9es quantitatives, le cumul d’arrondis commerciaux fausse syst\u00e9matiquement l’esp\u00e9rance de la distribution en cr\u00e9ant une d\u00e9rive positive artificielle. La r\u00e8gle de l’arrondi au chiffre pair permet de distribuer les arrondis m\u00e9dians de mani\u00e8re \u00e9quitable entre minorations et majorations (environ 50 % dans chaque direction), \u00e9liminant le biais de cumul au sein des sommes et des moyennes d’\u00e9chantillons volumineux.<\/p>\n

3.3 3.3 Utilisation de valeurs n\u00e9gatives pour le param\u00e8tre digits<\/h3>\n

Une potentialit\u00e9 remarquable et pourtant m\u00e9connue de la fonction round()<\/code> r\u00e9side dans sa capacit\u00e9 \u00e0 accepter des valeurs n\u00e9gatives pour le param\u00e8tre digits<\/code>. Lorsque l’argument digits<\/code> prend une valeur strictement inf\u00e9rieure \u00e0 z\u00e9ro, le rep\u00e8re d’arrondi bascule \u00e0 gauche du s\u00e9parateur d\u00e9cimal, op\u00e9rant une simplification num\u00e9rique sur les puissances positives de la base dix, c’est-\u00e0-dire sur les dizaines, les centaines, les milliers et au-del\u00e0.<\/p>\n

Supposons un vecteur de mesures d’\u00e9chelles comportementales \u00e9tendues ou de variables financi\u00e8res : c(12, 156, 1249, 8750)<\/code>. L’application de round(x, digits = -1)<\/code> appliquera un arrondi \u00e0 la dizaine la plus proche, convertissant le vecteur en c(10, 160, 1250, 8750)<\/code>. De mani\u00e8re analogue, la commande round(x, digits = -2)<\/code> r\u00e9alisera un arrondi \u00e0 la centaine la plus proche, g\u00e9n\u00e9rant la s\u00e9quence c(0, 200, 1200, 8800)<\/code>. Les r\u00e8gles de convergence vers le pair le plus proche s’appliquent avec la m\u00eame rigueur lors de ces translations d’ordres de grandeur.<\/p>\n

Cette fonctionnalit\u00e9 s’av\u00e8re particuli\u00e8rement pr\u00e9cieuse dans le domaine de la protection de la vie priv\u00e9e et de l’anonymisation de jeux de donn\u00e9es psychologiques ou m\u00e9dicaux. En floutant d\u00e9lib\u00e9r\u00e9ment les revenus pr\u00e9cis, les scores de latence extr\u00eames ou les \u00e2ges exacts par un arrondi aux dizaines ou aux centaines, le chercheur r\u00e9duit drastiquement les risques de r\u00e9identification par recoupement de bases de donn\u00e9es tout en pr\u00e9servant les propri\u00e9t\u00e9s param\u00e9triques globales n\u00e9cessaires aux mod\u00e9lisations statistiques macroscopiques.<\/p>\n

4. 4. Exemple 2 : La fonction signif() pour la gestion des chiffres significatifs<\/h2>\n

4.1 4.1 Diff\u00e9rence conceptuelle entre d\u00e9cimales et chiffres significatifs<\/h3>\n

Dans la d\u00e9marche exp\u00e9rimentale formalis\u00e9e par la m\u00e9trologie et la physique de laboratoire, la pr\u00e9cision d’une grandeur n’est pas d\u00e9termin\u00e9e par sa position par rapport \u00e0 la virgule, mais par le nombre total de chiffres certains et fiables dont dispose l’observateur, ind\u00e9pendamment de l’\u00e9chelle d’observation. C’est ici qu’intervient la distinction conceptuelle majeure entre le nombre de d\u00e9cimales (g\u00e9r\u00e9 par round()<\/code>) et le nombre de chiffres significatifs, orchestr\u00e9 sous R par la fonction native signif()<\/code>.<\/p>\n

La commande signif(x, digits = 6)<\/code> accepte un vecteur d’entr\u00e9e x<\/code> et un entier digits<\/code> indiquant le nombre de chiffres significatifs \u00e0 conserver, sa valeur par d\u00e9faut \u00e9tant fix\u00e9e \u00e0 6. Contrairement \u00e0 la fonction pr\u00e9c\u00e9dente, le param\u00e8tre digits<\/code> ne d\u00e9signe pas ici une coordonn\u00e9e spatiale relative au s\u00e9parateur d\u00e9cimal, mais une quantit\u00e9 absolue de symboles num\u00e9riques informatifs comptabilis\u00e9s \u00e0 partir du premier chiffre non nul situ\u00e9 sur la gauche du nombre. Les z\u00e9ros situ\u00e9s \u00e0 gauche du premier chiffre strictement positif sont consid\u00e9r\u00e9s comme des marqueurs de position d’\u00e9chelle et ne poss\u00e8dent aucune valeur m\u00e9trologique en termes de pr\u00e9cision relative.<\/p>\n

Si nous appliquons la fonction signif()<\/code> \u00e0 notre \u00e9chantillon d’analyse data <- c(0.3, 1.03, 2.67, 5, 8.91)<\/code> en configurant l’argument digits = 3<\/code>, nous obtenons une transformation diff\u00e9renci\u00e9e selon la magnitude de chaque composante. Le r\u00e9sultat imprim\u00e9 retourne c(0.3, 1.03, 2.67, 5.0, 8.91)<\/code>. Pour 0.3, l’unique chiffre significatif disponible est 3 ; la demande de 3 chiffres significatifs n’en invente pas de nouveaux \u00e0 moins d’imposer un formatage de cha\u00eene avec remplissage de z\u00e9ros. Pour 1.03, 2.67 et 8.91, les trois chiffres existants sont rigoureusement pr\u00e9serv\u00e9s. Cette propri\u00e9t\u00e9 assure que chaque valeur du jeu de donn\u00e9es conserve un niveau de pr\u00e9cision relative rigoureusement invariant.<\/p>\n

4.2 4.2 Analyse fine du comportement de signif() selon les ordres de grandeur<\/h3>\n

L’int\u00e9r\u00eat transcendantal de la fonction signif()<\/code> se manifeste de mani\u00e8re \u00e9clatante lors de la manipulation de jeux de donn\u00e9es h\u00e9t\u00e9rog\u00e8nes englobant des amplitudes physiques divergentes de plusieurs ordres de grandeur. Dans une telle situation, l’utilisation de round()<\/code> avec un nombre de d\u00e9cimales fixe produirait soit l’\u00e9radication totale de l’information pour les tr\u00e8s petites valeurs (transform\u00e9es en z\u00e9ros stricts), soit une fausse impression de pr\u00e9cision hypertrophi\u00e9e pour les valeurs volumineuses.<\/p>\n

Consid\u00e9rons un vecteur couvrant un spectre large, tel que c(0.00045672, 4.5672, 45672)<\/code>. L’application d’un arrondi conventionnel \u00e0 deux d\u00e9cimales via round(x, 2)<\/code> aboutirait \u00e0 la perte irr\u00e9m\u00e9diable de la premi\u00e8re observation qui deviendrait 0.00, tandis que la derni\u00e8re conserverait une pr\u00e9cision inutilement fine. En revanche, l’ex\u00e9cution de signif(x, digits = 2)<\/code> applique un \u00e9talon homog\u00e8ne : la premi\u00e8re valeur est r\u00e9duite \u00e0 0.00046, la seconde \u00e0 4.6, et la troisi\u00e8me \u00e0 46000 (pouvant \u00eatre imprim\u00e9e sous la forme notationnelle scientifique 4.6e+04). Dans les trois situations, l’incertitude relative attach\u00e9e \u00e0 la mesure demeure exactement born\u00e9e \u00e0 l’intervalle correspondant \u00e0 deux chiffres valides.<\/p>\n

Ce m\u00e9canisme garantit une robustesse sans \u00e9gale dans les calculs scientifiques o\u00f9 la variance des unit\u00e9s de mesure est importante. La fonction signif()<\/code> analyse la structure mantisse-exposant interne du format IEEE 754 de la machine pour extraire le quantum significatif et proc\u00e8de, sur cette base normalis\u00e9e, \u00e0 un arrondi au pair le plus proche analogue \u00e0 celui d\u00e9crit pour la fonction round()<\/code>.<\/p>\n

4.3 4.3 Applications de signif() en psychom\u00e9trie et analyses factorielles<\/h3>\n

En psychom\u00e9trie avanc\u00e9e et dans la mod\u00e9lisation statistique appliqu\u00e9e aux sciences humaines, la fonction signif()<\/code> trouve un champ d’\u00e9lection prioritaire lors de l’exploitation de matrices factorielles complexes, d’analyses en composantes principales (ACP) ou de la communication des niveaux de significativit\u00e9 statistique (valeurs p<\/em>). Lors de l’extraction de saturations factorielles au sein de matrices de variances communes, les coefficients peuvent fluctuer entre des valeurs marginales proches de z\u00e9ro et des saturations dominantes exc\u00e9dant 0.80.<\/p>\n

L’homog\u00e9n\u00e9isation par signif()<\/code> permet de restituer la fid\u00e9lit\u00e9 des saturations en alignant la lecture sur la certitude statistique r\u00e9elle fournie par la taille de l’\u00e9chantillon de participants. De surcro\u00eet, le manuel de publication de l’American Psychological Association (APA)<\/a> stipule des crit\u00e8res rigoureux quant \u00e0 la pr\u00e9cision des estimateurs. Si les coefficients de corr\u00e9lation ou les tailles d’effet sont g\u00e9n\u00e9ralement assujettis \u00e0 une limitation d\u00e9cimale stricte, les probabilit\u00e9s asymptotiques (les valeurs p<\/em>) requi\u00e8rent souvent une interpr\u00e9tation en chiffres significatifs pour \u00e9viter que des valeurs infinit\u00e9simales (comme 0.000034) ne soient r\u00e9duites \u00e0 un z\u00e9ro trompeur qui masquerait l’intensit\u00e9 de la r\u00e9futation de l’hypoth\u00e8se nulle.<\/p>\n

N\u00e9anmoins, une vigilance analytique s’impose : si un chercheur transmet une matrice de corr\u00e9lation h\u00e9t\u00e9rog\u00e8ne \u00e0 la fonction signif()<\/code> sans contr\u00f4ler les types de sorties, l’apparition conjointe de notations scientifiques exponentielles et d’\u00e9critures d\u00e9cimales peut alt\u00e9rer la lisibilit\u00e9 des tables de r\u00e9sultats et compliquer l’interpr\u00e9tation des structures factorielles pour les comit\u00e9s de lecture.<\/p>\n

5. 5. Exemple 3 : La fonction ceiling() pour l’arrondi sup\u00e9rieur syst\u00e9matique<\/h2>\n

5.1 5.1 D\u00e9finition math\u00e9matique et comportement de la fonction plafond<\/h3>\n

La troisi\u00e8me fonction primitive fondamentale du langage R est la fonction ceiling()<\/code>, terme anglais d\u00e9signant le plafond architectural. En analyse math\u00e9matique, cette op\u00e9ration correspond formellement \u00e0 la fonction partie enti\u00e8re sup\u00e9rieure, traditionnellement not\u00e9e avec des crochets ouverts vers le haut. Pour tout nombre r\u00e9el x<\/em>, la fonction ceiling(x)<\/code> retourne de mani\u00e8re univoque le plus petit entier qui soit sup\u00e9rieur ou rigoureusement \u00e9gal \u00e0 x<\/em>. Sur le plan formel, nous d\u00e9finissons l’op\u00e9rateur par : ceiling(x) = inf { k \u2208 \u2124 | k \u2265 x }<\/em>.<\/p>\n

La syntaxe de cette commande se distingue par son d\u00e9pouillement : ceiling(x)<\/code> n’accepte aucun argument de contr\u00f4le d\u00e9cimal. Son action est univari\u00e9e, unilat\u00e9rale et absolue, visant exclusivement la projection de la ligne des r\u00e9els sur l’anneau des entiers relatifs. Appliqu\u00e9e \u00e0 notre vecteur d’exp\u00e9rimentation data <- c(0.3, 1.03, 2.67, 5, 8.91)<\/code>, la fonction engendre une translation directionnelle vers le haut pour chaque valeur poss\u00e9dant la moindre composante fractionnaire positive. L’ex\u00e9cution produit imm\u00e9diatement le vecteur d’entiers suivant : c(1, 2, 3, 5, 9)<\/code>.<\/p>\n

L’examen minutieux de cette sortie d\u00e9montre l’intransigeance de l’algorithme : m\u00eame si la mantisse fractionnaire de 1.03 est minime (trois centi\u00e8mes seulement au-del\u00e0 de l’unit\u00e9), ceiling()<\/code> rejette irr\u00e9vocablement la valeur vers l’entier sup\u00e9rieur 2. Le point d’ancrage entier 5 demeure inchang\u00e9 car il satisfait d’ores et d\u00e9j\u00e0 la condition d’appartenance aux entiers relatifs. Toute la composante d\u00e9cimale est ainsi \u00e9limin\u00e9e, la variable r\u00e9sultante adoptant le statut arithm\u00e9tique de double de valeur enti\u00e8re.<\/p>\n

5.2 5.2 Comportement sp\u00e9cifique face aux nombres r\u00e9els n\u00e9gatifs<\/h3>\n

L’\u00e9cueil logique le plus classique lors de l’assimilation de la fonction ceiling()<\/code> concerne son application aux nombres r\u00e9els n\u00e9gatifs. Dans l’espace des r\u00e9els n\u00e9gatifs, l’ordonnancement math\u00e9matique impose qu’un nombre soit d’autant plus grand qu’il est proche de z\u00e9ro (-1 est sup\u00e9rieur \u00e0 -2). Par voie de cons\u00e9quence, l’arrondi sup\u00e9rieur appliqu\u00e9 \u00e0 un nombre n\u00e9gatif fractionnaire op\u00e8re une translation vers l’origine z\u00e9ro, ce qui d\u00e9route fr\u00e9quemment les programmeurs habitu\u00e9s \u00e0 raisonner sur les valeurs absolues.<\/p>\n

Consid\u00e9rons un vecteur de variations psychophysiologiques comprenant des valeurs n\u00e9gatives : c(-0.3, -1.03, -2.67, -5.0)<\/code>. Si l’on soumet ce vecteur \u00e0 la commande ceiling()<\/code>, le r\u00e9sultat num\u00e9rique devient c(0, -1, -2, -5)<\/code>. Dans le d\u00e9tail, ceiling(-0.3)<\/code> produit 0, puisque 0 est le plus petit entier imm\u00e9diatement sup\u00e9rieur \u00e0 -0.3. De fa\u00e7on identique, ceiling(-1.03)<\/code> engendre -1, et non pas -2. La fonction ne cherche pas \u00e0 accro\u00eetre la magnitude du nombre, mais suit rigoureusement le gradient orient\u00e9 de gauche \u00e0 droite sur l’axe euclidien des r\u00e9els.<\/p>\n

Dans la conception de pipelines algorithmiques pour le traitement de signaux \u00e9lectrophysiologiques (comme les \u00e9lectroenc\u00e9phalogrammes ou les potentiels \u00e9voqu\u00e9s), o\u00f9 les microvolts oscillent constamment autour d’une ligne de base nulle, une mauvaise compr\u00e9hension du comportement de ceiling()<\/code> sur les segments n\u00e9gatifs peut introduire une asym\u00e9trie de redressement d\u00e9sastreuse pour les analyses spectrales et l’extraction de composantes fr\u00e9quentielles.<\/p>\n

5.3 5.3 Cas d’usage en psychologie quantitative et logistique exp\u00e9rimentale<\/h3>\n

En d\u00e9pit de son asym\u00e9trie de distribution, la fonction ceiling()<\/code> constitue un instrument indispensable dans la panoplie m\u00e9thodologique du chercheur en sciences sociales, singuli\u00e8rement lors des phases de planification exp\u00e9rimentale et d’\u00e9chantillonnage probabiliste. Le cas d’\u00e9cole r\u00e9side dans la d\u00e9termination de la taille minimale d’\u00e9chantillon requise lors d’un calcul de puissance statistique a priori<\/em>.<\/p>\n

Lorsqu’un mod\u00e8le d’analyse de variance ou de r\u00e9gression logistique requiert th\u00e9oriquement, selon les calculs de puissance (visant par exemple une puissance 1 – \u03b2 de 0.80 avec un seuil alpha de 0.05), un volume de participants \u00e9gal \u00e0 42.12 individus, il est logistiquement impossible d’administrer une fraction de protocole \u00e0 un sujet humain. Un arrondi arithm\u00e9tique traditionnel vers le bas (42) conduirait m\u00e9thodologiquement \u00e0 une puissance strictement inf\u00e9rieure au seuil nominal d\u00e9sir\u00e9. Seul l’emploi explicite de ceiling(42.12)<\/code> \u2014 imposant le recrutement contraignant de 43 sujets \u2014 garantit l’atteinte ou le d\u00e9passement des standards de puissance statistique formul\u00e9s.<\/p>\n

Un imp\u00e9ratif similaire se pr\u00e9sente dans la logistique de passation randomis\u00e9e par blocs : si des stimuli exp\u00e9rimentaux doivent \u00eatre regroup\u00e9s dans des fen\u00eatres temporelles indivisibles ou si des cohortes de passation doivent \u00eatre dimensionn\u00e9es pour des cr\u00e9neaux en laboratoire informatique, l’op\u00e9rateur plafond s’impose pour \u00e9viter toute rupture d’allocation ou omission de sujets dans les matrices de randomisation crois\u00e9e.<\/p>\n

6. 6. Exemple 4 : La fonction floor() pour l’arrondi inf\u00e9rieur syst\u00e9matique<\/h2>\n

6.1 6.1 D\u00e9finition math\u00e9matique et dynamique de la fonction plancher<\/h3>\n

La fonction floor()<\/code>, contrepartie exacte de la fonction plafond, correspond sur le plan de l’analyse formelle \u00e0 la fonction plancher ou plus grand entier inf\u00e9rieur. Pour toute valeur scalaire x<\/em> appartenant \u00e0 l’ensemble des nombres r\u00e9els, floor(x)<\/code> extrait le plus grand entier relatif qui demeure inf\u00e9rieur ou \u00e9gal \u00e0 la grandeur \u00e9valu\u00e9e. Son expression alg\u00e9brique canonique est formul\u00e9e par : floor(x) = sup { k \u2208 \u2124 | k \u2264 x }<\/em>.<\/p>\n

\u00c0 l’instar de son homologue sup\u00e9rieur, la fonction floor()<\/code> s’ex\u00e9cute de mani\u00e8re univari\u00e9e sans param\u00e8tre de positionnement d\u00e9cimal. Elle prend pour unique argument l’objet num\u00e9rique \u00e0 transformer. Lorsque nous soumettons notre vecteur de d\u00e9monstration data <- c(0.3, 1.03, 2.67, 5, 8.91)<\/code> \u00e0 la commande floor(data)<\/code>, la fonction \u00e9crase unilat\u00e9ralement la mantisse de chaque observation vers la borne enti\u00e8re inf\u00e9rieure, r\u00e9sultant en la s\u00e9quence suivante : c(0, 1, 2, 5, 8)<\/code>.<\/p>\n

La comparaison imm\u00e9diate avec les sorties ant\u00e9rieures est r\u00e9v\u00e9latrice : la valeur 2.67, qui avait \u00e9t\u00e9 arrondie \u00e0 3 par round()<\/code> et ceiling()<\/code> en vertu de la proximit\u00e9 avec la borne sup\u00e9rieure, est ici inexorablement ramen\u00e9e \u00e0 l’entier 2. Il en va de m\u00eame pour 8.91, qui se voit d\u00e9pouill\u00e9 de plus de 90 % de son unit\u00e9 d\u00e9cimale pour \u00eatre r\u00e9trograd\u00e9 \u00e0 8. La fonction plancher pr\u00e9serve la valeur enti\u00e8re pure (le nombre 5 reste invariant), mais applique sur l’ensemble de la distribution continue une force centrip\u00e8te descendante le long de la ligne des entiers.<\/p>\n

6.2 6.2 Traitement des nombres r\u00e9els n\u00e9gatifs par floor()<\/h3>\n

L’analyse vectorielle du comportement de floor()<\/code> sur des nombres r\u00e9els n\u00e9gatifs constitue le pendant g\u00e9om\u00e9trique de ce que nous avons observ\u00e9 pour la fonction plafond. D\u00e8s lors que floor()<\/code> recherche syst\u00e9matiquement le plus grand entier inf\u00e9rieur, elle d\u00e9place les nombres fractionnaires n\u00e9gatifs vers la gauche de la droite num\u00e9rique, s’\u00e9loignant de ce fait de l’origine z\u00e9ro.<\/p>\n

Illustrons cette m\u00e9canique \u00e0 l’aide d’un vecteur n\u00e9gatif : c(-0.3, -1.03, -2.67, -5.0)<\/code>. L’application de la fonction produit sans concession : floor(x)<\/code> retourne c(-1, -2, -3, -5)<\/code>. Dans le cas de -0.3, le plus grand entier situ\u00e9 \u00e0 sa gauche sur la droite gradu\u00e9e est -1 ; la valeur s’\u00e9loigne donc de z\u00e9ro. De m\u00eame, floor(-2.3)<\/code> produit -3. Cette translation vers le bas est strictement monotone croissante : pour tout r\u00e9el x<\/em> et y<\/em> tels que x \u2264 y<\/em>, la condition floor(x) \u2264 floor(y)<\/em> est perp\u00e9tuellement pr\u00e9serv\u00e9e, garantissant l’absence totale d’inversion d’ordre dans les structures relationnelles ordonn\u00e9es.<\/p>\n

Cette propri\u00e9t\u00e9 de monotonie stricte s’av\u00e8re vitale lors du calcul d’indexation ou de la manipulation de pointeurs de tableaux dans des algorithmes de bas niveau interfac\u00e9s avec R via les extensions C++ (Rcpp<\/a>). L’utilisation erron\u00e9e d’un op\u00e9rateur d’arrondi non monotone sur des m\u00e9triques de temps de r\u00e9ponse n\u00e9gatives standardis\u00e9es risquerait d’entra\u00eener des d\u00e9passements d’indices m\u00e9moire (out-of-bounds index errors) et de corrompre l’int\u00e9grit\u00e9 de la session d’analyse.<\/p>\n

6.3 6.3 Utilisations empiriques : discr\u00e9tisation et calculs d’\u00e2ge chronologique<\/h3>\n

Dans la recherche observationnelle en \u00e9pid\u00e9miologie, en sociologie quantitative et en psychologie du d\u00e9veloppement, l’usage de la fonction floor()<\/code> est universellement prescrit pour r\u00e9soudre l’\u00e9quation fondamentale de l’\u00e2ge chronologique des participants. Selon les conventions d\u00e9mographiques internationales, un individu conserve son \u00e2ge entier jusqu’\u00e0 la veille exacte de son anniversaire suivant. M\u00eame si un sujet a v\u00e9cu 34 ann\u00e9es et 364 jours (soit approximativement 34.997 ans), son \u00e2ge civil l\u00e9gal et clinique demeure 34 ans r\u00e9volus.<\/p>\n

Si un analyste employait la fonction round()<\/code> pour convertir un \u00e2ge d\u00e9cimal continu issu de la diff\u00e9rence soustractive entre deux dates calendaires (en jours divis\u00e9s par 365.25), le participant de 34.99 ans se verrait pr\u00e9matur\u00e9ment attribuer l’\u00e2ge de 35 ans, faussant les tables de mortalit\u00e9 actuarielles ou la calibration des normes de tests standardis\u00e9s de d\u00e9veloppement cognitif chez les jeunes enfants. L’instruction math\u00e9matiquement et l\u00e9galement exacte r\u00e9side dans la formulation syst\u00e9matique : age_revolu <- floor(age_continu)<\/code>.<\/p>\n

Parall\u00e8lement, la fonction plancher intervient massivement dans la discr\u00e9tisation d’\u00e9chelles continues pour la formation de quantiles et de classes d’intervalles ferm\u00e9es \u00e0 gauche et ouvertes \u00e0 droite, ainsi que dans la g\u00e9n\u00e9ration de fonctions de hachage d\u00e9terministes destin\u00e9es \u00e0 stratifier de tr\u00e8s vastes cohortes de donn\u00e9es sans rupture de continuit\u00e9 num\u00e9rique.<\/p>\n

7. 7. Exemple 5 : La fonction trunc() pour la troncature pure<\/h2>\n

7.1 7.1 Fondements de la troncature : suppression directe de la partie fractionnaire<\/h3>\n

La cinqui\u00e8me primitive cardinale int\u00e9gr\u00e9e dans l’\u00e9cosyst\u00e8me algorithmique de R est la fonction trunc()<\/code>, abr\u00e9viation directe de troncature. L’axiome op\u00e9ratoire de trunc()<\/code> ne repose pas sur une logique de recherche d’entier proximal le long d’un gradient unidirectionnel, mais sur une op\u00e9ration g\u00e9om\u00e9trique de projection : elle \u00e9limine de mani\u00e8re radicale la totalit\u00e9 du d\u00e9veloppement d\u00e9cimal d’un nombre r\u00e9el, pour n’en retenir que la composante enti\u00e8re originelle. Formellement, elle s\u00e9pare le nombre r\u00e9el x<\/em> en sa partie enti\u00e8re et sa partie fractionnaire selon l’\u00e9galit\u00e9 x = [x] + {x}<\/em>, et annule purement le terme {x}<\/em>.<\/p>\n

Sur le plan computationnel, l’ex\u00e9cution de trunc(x)<\/code> partage une quasi-identit\u00e9 de comportement avec le transtypage explicite vers le type entier obtenu via la commande as.integer(x)<\/code>, \u00e0 la nuance fondamentale pr\u00e8s que trunc()<\/code> conserve la classe num\u00e9rique en double pr\u00e9cision de l’objet, pr\u00e9venant ainsi les risques de conversion forc\u00e9e de type dans des matrices complexes. Si nous appliquons trunc()<\/code> \u00e0 notre \u00e9chantillon de travail data <- c(0.3, 1.03, 2.67, 5, 8.91)<\/code>, nous obtenons exactement le vecteur : c(0, 1, 2, 5, 8)<\/code>.<\/p>\n

Sur des nombres r\u00e9els strictement positifs, comme c’est le cas pour notre vecteur de r\u00e9f\u00e9rence, l’action de trunc()<\/code> co\u00efncide \u00e0 la perfection avec celle de la fonction floor()<\/code>. Toutes les fractions r\u00e9siduelles sont coup\u00e9es, ramenant chaque scalaire \u00e0 son niveau entier sous-jacent. C’est pr\u00e9cis\u00e9ment dans le domaine des nombres n\u00e9gatifs que la divergence fondamentale de cette fonction se r\u00e9v\u00e8le.<\/p>\n

7.2 7.2 Asym\u00e9trie par rapport \u00e0 z\u00e9ro : comparaison entre trunc(), floor() et ceiling()<\/h3>\n

La sp\u00e9cificit\u00e9 architecturale de la fonction trunc()<\/code> r\u00e9side dans son asym\u00e9trie vectorielle orient\u00e9e vers l’origine des axes r\u00e9els. Quel que soit le signe de l’argument d’entr\u00e9e, trunc()<\/code> rabat syst\u00e9matiquement la valeur vers le chiffre z\u00e9ro. Cette propri\u00e9t\u00e9 conf\u00e8re \u00e0 la troncature une dualit\u00e9 math\u00e9matique remarquable qui peut s’exprimer par le syst\u00e8me d’\u00e9quivalences conditionnelles suivant : pour tout x \u2265 0<\/em>, trunc(x) == floor(x)<\/code> ; pour tout x < 0<\/em>, trunc(x) == ceiling(x)<\/code>.<\/p>\n

Pour mat\u00e9rialiser cette r\u00e8gle, comparons les trois op\u00e9rateurs sur un couple de valeurs sym\u00e9triques oppos\u00e9es, par exemple 2.7 et -2.7 :<\/p>\n