L’analyse empirique de s\u00e9ries temporelles, de protocoles exp\u00e9rimentaux longitudinaux et de processus stochastiques requiert fr\u00e9quemment l’\u00e9valuation continue de grandeurs qui s’accumulent au fil du temps. Dans le domaine du calcul statistique et de la science des donn\u00e9es, la somme cumul\u00e9e constitue l’un des op\u00e9rateurs fondamentaux permettant de passer d’une vision discr\u00e8te et locale des observations \u00e0 une vision int\u00e9gr\u00e9e et dynamique de leur progression. Qu’il s’agisse de mesurer la trajectoire d’acquisition d’une comp\u00e9tence motrice chez un sujet au cours d’essais successifs, de quantifier le volume progressif d’\u00e9v\u00e9nements observ\u00e9s dans une cohorte clinique ou de suivre l’\u00e9volution budg\u00e9taire d’un projet, la ma\u00eetrise de cet op\u00e9rateur s’av\u00e8re indispensable pour tout praticien de la mod\u00e9lisation quantitative.<\/p>\n
Le langage de programmation statistique R<\/a>, d\u00e9velopp\u00e9 initialement par Ross Ihaka et Robert Gentleman comme une impl\u00e9mentation moderne du langage S, a \u00e9t\u00e9 con\u00e7u d\u00e8s son origine autour du concept fondamental de vectorisation. Contrairement aux environnements proc\u00e9duraux classiques o\u00f9 l’accumulation s\u00e9quentielle n\u00e9cessite l’\u00e9criture explicite de structures it\u00e9ratives sujettes aux goulets d’\u00e9tranglement calculatoires, R int\u00e8gre des routines compiled de bas niveau d\u00e9di\u00e9es aux calculs incr\u00e9mentaux. L’expression de la somme cumul\u00e9e y trouve une concr\u00e9tisation canonique et optimis\u00e9e \u00e0 travers la fonction interne Cet article propose une exploration m\u00e9thodique, exhaustive et rigoureuse du calcul des sommes cumul\u00e9es dans l’environnement R. Depuis les fondements alg\u00e9briques et fonctionnels qui r\u00e9gissent ces op\u00e9rations jusqu’aux cas d’usage avanc\u00e9s de segmentation group\u00e9e, de gestion fine des donn\u00e9es manquantes, d’optimisation en m\u00e9moire vive et de visualisation scientifique de niveau publication, chaque dimension sera abord\u00e9e avec le souci de la pr\u00e9cision math\u00e9matique et de l’efficience computationnelle. Les d\u00e9veloppements th\u00e9oriques seront syst\u00e9matiquement illustr\u00e9s de d\u00e9monstrations empiriques permettant d’en appr\u00e9hender toute la port\u00e9e m\u00e9thodologique.<\/p>\n D’un point de vue strictement formel, consid\u00e9rons une s\u00e9rie discr\u00e8te unidimensionnelle de valeurs num\u00e9riques r\u00e9elles index\u00e9e sur un ensemble fini ou d\u00e9nombrable d’indices entiers ordonn\u00e9s, not\u00e9e sous la forme $X = (x_1, x_2, dots, x_n)$<\/span> o\u00f9 chaque \u00e9l\u00e9ment $x_i in \\mathbb{R}$<\/span> pour tout indice $i in {1, dots, n}$<\/span>. L’op\u00e9rateur de somme cumulative, couramment not\u00e9 $S_k$<\/span>, applique une transformation d’un vecteur de dimension $n$<\/span> vers un nouveau vecteur $S = (s_1, s_2, dots, s_n)$<\/span> de m\u00eame cardinalit\u00e9, dans lequel chaque composante de rang $k$<\/span> correspond \u00e0 l’accumulation arithm\u00e9tique de l’ensemble des termes pr\u00e9c\u00e9dant et incluant l’indice courant.<\/p>\n Math\u00e9matiquement, l’application est formellement d\u00e9finie par l’expression sommatoire suivante :<\/p>\n $$s_k = \\sum_{i=1}^{k} x_i = s_{k-1} + x_k \\quad \\text{a\\vec} \\quad s_1 = x_1 \\quad \\text{pour tout} \\quad k in {1, dots, n}$$<\/span><\/p>\n Il importe de distinguer rigoureusement la somme cumul\u00e9e d’autres concepts arithm\u00e9tiques apparent\u00e9s mais conceptuellement distincts, tels que la somme totale ou les sommes partielles classiques. Alors que la somme globale r\u00e9duit l’ensemble du vecteur $X$<\/span> \u00e0 un scalaire unique invariant par permutation de ses indices selon la propri\u00e9t\u00e9 de commutativit\u00e9 de l’addition, la somme cumul\u00e9e pr\u00e9serve scrupuleusement la dimensionnalit\u00e9 temporelle ou ordonn\u00e9e de la structure d’origine. Chaque $s_k$<\/span> repr\u00e9sente l’\u00e9tat d’un accumulateur s\u00e9quentiel au pas $k$<\/span>, ce qui conf\u00e8re \u00e0 cette m\u00e9trique une d\u00e9pendance directe et stricte \u00e0 l’ordre d’agencement initial des observations.<\/p>\n Sur le plan des propri\u00e9t\u00e9s alg\u00e9briques fondamentales, la monotonie de la s\u00e9quence r\u00e9sultante d\u00e9pend intimement du signe des \u00e9l\u00e9ments constituant le vecteur d’entr\u00e9e. Lorsque tous les termes $x_i$<\/span> satisfont la condition de non-n\u00e9gativit\u00e9 ($x_i ge 0$<\/span>), la s\u00e9rie cumulative $(s_k)_{k ge 1}$<\/span> pr\u00e9sente une monotonie croissante stricte ou large, telle que $s_k ge s_{k-1}$<\/span> pour tout $k ge 2$<\/span>. Cette propri\u00e9t\u00e9 conf\u00e8re \u00e0 la somme cumul\u00e9e le r\u00f4le d’une fonction de r\u00e9partition non normalis\u00e9e. Dans le cadre de l’analyse s\u00e9quentielle d’\u00e9v\u00e9nements, elle permet de mod\u00e9liser avec fid\u00e9lit\u00e9 l’\u00e9puisement progressif de stocks, l’agr\u00e9gation de doses th\u00e9rapeutiques re\u00e7ues ou la survenue r\u00e9p\u00e9t\u00e9e d’occurrences ponctuelles au sein d’un intervalle d’observation d\u00e9fini.<\/p>\n Dans les sciences comportementales, les neurosciences computationnelles et l’\u00e9pid\u00e9miologie exp\u00e9rimentale, les mesures isol\u00e9es au temps $t$<\/span> ne fournissent qu’une vision parcellaire des dynamiques sous-jacentes. L’\u00e9valuation continue de variables cumulatives permet d’appr\u00e9hender des processus d’apprentissage, d’habituation ou d’extinction qui ne peuvent \u00eatre d\u00e9tect\u00e9s par l’analyse statique des moyennes globales. Par exemple, la vitesse \u00e0 laquelle un sujet accumule des r\u00e9ponses correctes lors de blocs d’essais successifs r\u00e9v\u00e8le la courbure intrins\u00e8que de sa trajectoire d’assimilation cognitive, souvent caract\u00e9ris\u00e9e par une mont\u00e9e exponentielle initiale suivie d’une d\u00e9c\u00e9l\u00e9ration progressive vers une asymptote fonctionnelle.<\/p>\n Dans le domaine psychom\u00e9trique, l’analyse des temps de r\u00e9ponse cumul\u00e9s fournit un outil diagnostique pr\u00e9cieux pour \u00e9tudier la fatigabilit\u00e9 attentionnelle et la r\u00e9gulation m\u00e9tacognitive. L’agr\u00e9gation s\u00e9quentielle des scores d’items ordonn\u00e9s par difficult\u00e9 croissante permet d’observer la coh\u00e9rence des patterns de compl\u00e9tion d’un individu. Toute d\u00e9viation brutale dans la pente de la droite cumulative signale un d\u00e9crochage attentionnel ou une modification qualitative de la strat\u00e9gie d’exploration adopt\u00e9e par le r\u00e9pondant, des ph\u00e9nom\u00e8nes que la simple agr\u00e9gation finale sous forme de score brut total oblit\u00e8re irr\u00e9m\u00e9diablement.<\/p>\n Par ailleurs, l’identification de points d’inflexion au sein d’une trajectoire cumulative pr\u00e9sente un int\u00e9r\u00eat analytique majeur pour caract\u00e9riser les transitions de phase comportementales. En d\u00e9rivant num\u00e9riquement la s\u00e9rie cumulative par rapport \u00e0 l’indice d’essai, on retrouve la fr\u00e9quence instantan\u00e9e d’\u00e9mission des r\u00e9ponses, permettant ainsi de situer avec une extr\u00eame pr\u00e9cision l’instant exact o\u00f9 une strat\u00e9gie heuristique est supplant\u00e9e par un raisonnement algorithmique stable lors de protocoles de r\u00e9solution de probl\u00e8mes complexes.<\/p>\n L’environnement R offre une infrastructure computationnelle particuli\u00e8rement adapt\u00e9e au traitement s\u00e9quentiel et vectoriel de grands ensembles de donn\u00e9es. H\u00e9ritier du langage S<\/a> formalis\u00e9 aux laboratoires Bell par John Chambers, R traite le vecteur atomique comme l’unit\u00e9 minimale de manipulation structur\u00e9e. Cette philosophie architecturale implique que les op\u00e9rations \u00e9l\u00e9mentaires ne sont pas con\u00e7ues pour s’ex\u00e9cuter \u00e9l\u00e9ment par \u00e9l\u00e9ment dans le code utilisateur interpr\u00e9t\u00e9, mais sont d\u00e9l\u00e9gu\u00e9es \u00e0 des routines internes pr\u00e9compil\u00e9es en langage C ou Fortran hautement optimis\u00e9es pour la m\u00e9moire cache et les registres processeurs modernes.<\/p>\n Le package L’\u00e9volution contemporaine de l’\u00e9cosyst\u00e8me R a vu l’\u00e9mergence de dialectes compl\u00e9mentaires enrichissant cette approche native. Alors que les commandes historiques de R de base privil\u00e9gient la compacit\u00e9 syntaxique et l’absence de d\u00e9pendance externe, le paradigme moderne incarn\u00e9 par le La fonction Le param\u00e8tre formel Sur le plan dimensionnel, la fonction Le tableau suivant synth\u00e9tise les r\u00e8gles strictes de typage r\u00e9gissant l’entr\u00e9e et la sortie de la fonction L’environnement R standard met \u00e0 la disposition des mod\u00e9lisateurs une fratrie de quatre op\u00e9rateurs s\u00e9quentiels cumulatifs partageant des propri\u00e9t\u00e9s architecturales identiques mais diff\u00e9rant par l’op\u00e9ration arithm\u00e9tique ou logique appliqu\u00e9e le long de la s\u00e9quence : Alors que Il existe une sym\u00e9trie fondamentale entre l’op\u00e9rateur de cumul et l’op\u00e9rateur de diff\u00e9rentiation s\u00e9quentielle impl\u00e9ment\u00e9 par la fonction Cette relation de bijectivit\u00e9 alg\u00e9brique garantit la conservation int\u00e9grale de l’information structurelle au cours de la transformation cumulative.<\/p>\n Le comportement de N\u00e9anmoins, des difficult\u00e9s m\u00e9thodologiques apparaissent fr\u00e9quemment lorsque les analystes manipulent des variables qualitatives nominales ou ordinales encod\u00e9es sous forme de facteurs ( Error in cumsum(x) : argument non num\u00e9rique pour une fonction math\u00e9matique<\/em><\/p>\n Pour pr\u00e9venir ces arr\u00eats d’ex\u00e9cution au sein de scripts automatis\u00e9s, il est imp\u00e9ratif de mettre en place des protocoles d\u00e9fensifs de transtypage rigoureux. L’extraction des niveaux textuels d’un facteur n\u00e9cessite obligatoirement une double conversion pr\u00e9ventive via la syntaxe canonique Afin de concr\u00e9tiser le fonctionnement de l’op\u00e9rateur cumulatif, consid\u00e9rons une situation exp\u00e9rimentale issue d’une \u00e9tude d’ergonomie cognitive. Un sujet r\u00e9alise une s\u00e9rie de huit blocs cons\u00e9cutifs d’une t\u00e2che d’attention soutenue, et le chercheur rel\u00e8ve \u00e0 chaque bloc le nombre de stimuli cibles correctement d\u00e9tect\u00e9s. Les mesures d’observation peuvent \u00eatre instanci\u00e9es sous la forme d’un vecteur num\u00e9rique atomique en R de la mani\u00e8re suivante :<\/p>\n L’application directe de la fonction native sur cette structure unidimensionnelle s’effectue sans param\u00e8tre additionnel par un simple appel fonctionnel :<\/p>\n L’\u00e9valuation dans la console interactive de R produit imm\u00e9diatement le r\u00e9sultat vectoriel suivant :<\/p>\n La validation empirique des r\u00e9sultats interm\u00e9diaires confirme le principe de r\u00e9currence arithm\u00e9tique : le premier terme demeure invariant (14), le second terme repr\u00e9sente l’addition du premier et du second relev\u00e9 exp\u00e9rimental ($14 + 18 = 32$<\/span>), le troisi\u00e8me int\u00e8gre la valeur marginale suivante ($32 + 12 = 44$<\/span>), et ainsi de suite jusqu’au huiti\u00e8me \u00e9l\u00e9ment ($133 + 27 = 160$<\/span>). La derni\u00e8re coordonn\u00e9e du vecteur cumul\u00e9 correspond strictement \u00e0 la valeur qu’aurait renvoy\u00e9e l’instruction globale Pour appr\u00e9hender l’efficacit\u00e9 de la routine sous-jacente, il convient d’examiner le m\u00e9canisme algorithmique mobilis\u00e9 par l’interpr\u00e9teur lors de cette \u00e9valuation. Contrairement \u00e0 une boucle Le processus interne peut \u00eatre formalis\u00e9 par la trace algorithmique suivante sur les quatre premi\u00e8res positions de notre vecteur d’exemple :<\/p>\n Sur le plan computationnel, cet algorithme poss\u00e8de une complexit\u00e9 temporelle optimale d’ordre lin\u00e9aire, not\u00e9e $\\mathcal{O}(n)$<\/span>, o\u00f9 chaque \u00e9l\u00e9ment du vecteur source n’est lu qu’une seule et unique fois en m\u00e9moire cache processeur. En regard, une impl\u00e9mentation na\u00efve cod\u00e9e en script R classique qui appellerait de mani\u00e8re r\u00e9p\u00e9t\u00e9e la fonction de sommation globale sur des sous-segments croissants du vecteur (par exemple en utilisant une boucle imbriqu\u00e9e du type L’attribution et la conservation des classes d’objets au cours du calcul cumulatif constituent un facteur critique influen\u00e7ant la fid\u00e9lit\u00e9 des r\u00e9sultats et la gestion des ressources syst\u00e8me. Lorsque les donn\u00e9es d’observation sont issues de d\u00e9comptes discrets non fractionnaires, elles peuvent \u00eatre instanci\u00e9es formellement sous le type entier strict en suffixant chaque constante num\u00e9rique par la lettre majuscule L’application de Inversement, lorsque l’entr\u00e9e est de type Dans la pratique courante de l’ing\u00e9nierie des donn\u00e9es sous R, les observations brutes sont rarement stock\u00e9es sous la forme de vecteurs isol\u00e9s, mais sont encapsul\u00e9es au sein de structures tabulaires h\u00e9t\u00e9rog\u00e8nes de type L’approche idiomatique la plus directe en R de base fait appel \u00e0 l’op\u00e9rateur d’assignation directe par le symbole dollar :<\/p>\n Une syntaxe alternative \u00e9l\u00e9gante repose sur l’utilisation de la fonction Quelle que soit la m\u00e9thode retenue, la coh\u00e9rence analytique repose enti\u00e8rement sur le maintien de l’alignement univoque entre chaque observation individuelle, son index chronologique et la valeur cumulative correspondante. L’absence totale de d\u00e9calage spatial des cellules assure une int\u00e9grit\u00e9 relationnelle imm\u00e9diate entre les pr\u00e9dicteurs exog\u00e8nes et la dynamique accumul\u00e9e.<\/p>\n Afin d’illustrer la manipulation concr\u00e8te de ces structures, simulons une cohorte clinique suivie sur une temporalit\u00e9 de quinze trimestres cons\u00e9cutifs, o\u00f9 l’on enregistre l’inclusion marginale de nouveaux patients \u00e9ligibles \u00e0 un protocole th\u00e9rapeutique novateur. Construisons tout d’abord le tableau de donn\u00e9es sous-jacent :<\/p>\n Proc\u00e9dons ensuite \u00e0 l’int\u00e9gration de la colonne mat\u00e9rialisant l’effectif cumul\u00e9 total de la cohorte active au fil des p\u00e9riodes :<\/p>\n L’inspection analytique de la structure de l’objet enrichi peut \u00eatre entreprise \u00e0 l’aide des primitives d’inspection globale :<\/p>\n Cette commande renvoie l’affichage tabulaire des cinq premiers trimestres d’investigation :<\/p>\n L’analyse pr\u00e9cise de la ligne 5 r\u00e9v\u00e8le une valeur cumul\u00e9e de 87 patients \u00e0 la fin du cinqui\u00e8me trimestre d’inclusion. Cette valeur condense l’int\u00e9gralit\u00e9 du cheminement ant\u00e9rieur ($12 + 15 + 19 + 23 + 18 = 87$<\/span>). Elle permet aux gestionnaires de l’essai clinique de confronter la r\u00e9alit\u00e9 du terrain aux hypoth\u00e8ses initiales de puissance statistique sans n\u00e9cessiter de recompilations partielles co\u00fbteuses.<\/p>\n L’inclusion d’une variable cumulative facilite consid\u00e9rablement le filtrage conditionnel et la segmentation temporelle d’un jeu de donn\u00e9es. Il devient particuli\u00e8rement ais\u00e9 d’isoler la fen\u00eatre temporelle exacte durant laquelle un seuil analytique d’int\u00e9r\u00eat a \u00e9t\u00e9 franchi. Par exemple, pour extraire l’ensemble des trimestres post\u00e9rieurs au recrutement du centi\u00e8me patient, une indexation logique bool\u00e9enne suffit :<\/p>\n De m\u00eame, pour capturer de mani\u00e8re robuste la valeur terminale cumul\u00e9e sans devoir expliciter le rang ordinal de la derni\u00e8re ligne, on combinera l’op\u00e9rateur de s\u00e9lection avec la fonction Cette approche permet d’\u00e9tablir une passerelle analytique directe entre les variations marginales instantan\u00e9es observ\u00e9es \u00e0 chaque p\u00e9riode trimestrielle et les tendances asymptotiques globales vers lesquelles converge le protocole d’observation.<\/p>\n La pr\u00e9sence de donn\u00e9es manquantes, universellement encod\u00e9es par la constante sp\u00e9ciale Ce choix de conception d\u00e9coule d’une exigence logique : dans une cha\u00eene d’accumulation temporelle, si l’incr\u00e9ment intervenant au temps $k$<\/span> demeure inconnu, l’\u00e9tat global de l’accumulateur pour l’ensemble des pas ult\u00e9rieurs ($k+1, k+2, dots, n$<\/span>) devient math\u00e9matiquement ind\u00e9termin\u00e9. En cons\u00e9quence, la fonction Consid\u00e9rons l’exemple empirique suivant :<\/p>\n Le r\u00e9sultat g\u00e9n\u00e9r\u00e9 illustre de mani\u00e8re spectaculaire cette propagation d’ind\u00e9termination :<\/p>\n Dans le contexte des \u00e9tudes de cohortes longitudinales, une telle rupture de cha\u00eene est susceptible de paralyser compl\u00e8tement les pipelines analytiques si des protocoles explicites de traitement des valeurs manquantes ne sont pas mis en place en amont.<\/p>\n La strat\u00e9gie la plus fr\u00e9quemment adopt\u00e9e pour surmonter l’ind\u00e9termination s\u00e9quentielle consiste \u00e0 op\u00e9rer une neutralisation arithm\u00e9tique ponctuelle des donn\u00e9es manquantes en substituant la valeur neutre de l’addition (c’est-\u00e0-dire l’\u00e9l\u00e9ment z\u00e9ro) \u00e0 l’ensemble des marqueurs L’\u00e9valuation produit d\u00e9sormais une s\u00e9rie cumulative continue :<\/p>\n Toutefois, sur le plan de la rigueur \u00e9pist\u00e9mologique et de la mod\u00e9lisation statistique, l’imputation m\u00e9canique par z\u00e9ro ne peut \u00eatre tenue pour neutre. Elle introduit implicitement l’hypoth\u00e8se nulle forte selon laquelle aucun \u00e9v\u00e9nement, aucun co\u00fbt ou aucune variation marginale n’est survenu durant l’intervalle d’\u00e9chantillonnage non document\u00e9. Si cette hypoth\u00e8se peut s’av\u00e9rer d\u00e9fendable dans le cas du suivi passif d’inclusions o\u00f9 l’absence de d\u00e9claration traduit effectivement une absence d’admission, elle devient scientifiquement discutable lors du suivi de variables physiologiques continues (telles que la glyc\u00e9mie ou le poids corporel), o\u00f9 l’insertion d’un z\u00e9ro d\u00e9formerait lourdement la cin\u00e9tique de la trajectoire cumulative.<\/p>\n Pour concilier l’exactitude de l’accumulation continue et la fid\u00e9lit\u00e9 de l’\u00e9tiquetage des incertitudes, une d\u00e9marche avanc\u00e9e consiste \u00e0 sommer s\u00e9quentiellement les \u00e9l\u00e9ments observ\u00e9s tout en r\u00e9tablissant les marqueurs Cette logique d’ing\u00e9nierie vectorielle peut \u00eatre condens\u00e9e au sein d’une expression personnalis\u00e9e exploitant l’\u00e9valuation conditionnelle vectoris\u00e9e En appliquant cette fonction personnalis\u00e9e \u00e0 notre vecteur d’essai \u00c0 l’index 4, la valeur cumul\u00e9e refl\u00e8te fid\u00e8lement la sommation de l’ensemble des composantes valides observ\u00e9es en amont ($10 + 20 + 30 = 60$<\/span>), sans que l’omission survenue \u00e0 l’index 3 n’ait interrompu le calcul de la trajectoire, tout en alertant le mod\u00e9lisateur sur l’inexistence de la mesure marginale au troisi\u00e8me temps d’observation.<\/p>\ncumsum()<\/code>, enrichie par les \u00e9cosyst\u00e8mes modernes que constituent le Tidyverse<\/a> et la biblioth\u00e8que de haute performance data.table<\/code>.<\/p>\n1. Introduction th\u00e9orique et conceptuelle aux sommes cumul\u00e9es dans le logiciel R<\/h2>\n
1.1 D\u00e9finition formelle et propri\u00e9t\u00e9s math\u00e9matiques de la somme cumul\u00e9e<\/h3>\n
1.2 R\u00f4le des calculs cumulatifs dans l’analyse quantitative et comportementale<\/h3>\n
1.3 Vue d’ensemble de l’\u00e9cosyst\u00e8me R pour le traitement s\u00e9quentiel des donn\u00e9es<\/h3>\n
base<\/code>, charg\u00e9 par d\u00e9faut dans toute session R active, met \u00e0 disposition des utilisateurs la fonction primitive cumsum()<\/code>. Cette derni\u00e8re contourne int\u00e9gralement l’interpr\u00e9teur de code lors du parcours s\u00e9quentiel des \u00e9l\u00e9ments, offrant une vitesse de traitement quasi instantan\u00e9e m\u00eame sur des s\u00e9quences comptant plusieurs dizaines de millions d’enregistrements. Historiquement, l’essor des m\u00e9thodes quantitatives appliqu\u00e9es a exig\u00e9 une transition paradigmatique radicale : l’abandon progressif des boucles imp\u00e9ratives traditionnelles au profit de fonctions d’accumulation vectoris\u00e9es.<\/p>\ntidyverse<\/code> permet d’int\u00e9grer le calcul cumulatif au sein de pipelines de transformation lisibles, structur\u00e9s par le verbe mutate()<\/code> et segment\u00e9s par group_by()<\/code>. Simultan\u00e9ment, le package data.table<\/code> repousse les fronti\u00e8res de l’efficience temporelle et spatiale gr\u00e2ce \u00e0 la modification par r\u00e9f\u00e9rence en m\u00e9moire partag\u00e9e, r\u00e9pondant ainsi aux contraintes s\u00e9v\u00e8res pos\u00e9es par les ensembles massifs de donn\u00e9es volumineuses.<\/p>\n2. Analyse approfondie de la fonction native cumsum() en R de base<\/h2>\n
2.1 Signature, param\u00e8tres et type de retour de la fonction cumsum()<\/h3>\n
cumsum()<\/code> appartient \u00e0 la famille des fonctions primitives internes de R, ce qui signifie que son impl\u00e9mentation sous-jacente est directement \u00e9crite en code natif compil\u00e9 sans passer par le m\u00e9canisme standard d’\u00e9valuation diff\u00e9r\u00e9e des promesses propres aux fonctions R ordinaires. La signature canonique de la fonction pr\u00e9sente une compacit\u00e9 extr\u00eame :<\/p>\ncumsum(x)<\/code><\/p>\nx<\/code> attend obligatoirement un objet vectoriel num\u00e9rique ou logique. Toute tentative d’application de cette fonction sur des structures multidimensionnelles complexes qui ne peuvent \u00eatre directement aplaties en vecteurs atomiques, telles que des listes h\u00e9t\u00e9rog\u00e8nes d’objets arbitraires, g\u00e9n\u00e8re imm\u00e9diatement une exception d’ex\u00e9cution. La fonction impose une contrainte stricte d’homog\u00e9n\u00e9it\u00e9 du type sous-jacent.<\/p>\ncumsum()<\/code> garantit une pr\u00e9servation absolue et invariante de la longueur : si le vecteur d’entr\u00e9e comporte $n$<\/span> \u00e9l\u00e9ments (d\u00e9termin\u00e9 par l’instruction length(x)<\/code>), le vecteur de sortie contiendra rigoureusement $n$<\/span> \u00e9l\u00e9ments. De surcro\u00eet, lorsque le vecteur d’entr\u00e9e poss\u00e8de un attribut de noms (names<\/code>), ces identifiants lexicaux sont syst\u00e9matiquement conserv\u00e9s et r\u00e9assign\u00e9s un \u00e0 un aux composantes correspondantes du vecteur cumul\u00e9 en sortie, assurant ainsi la tra\u00e7abilit\u00e9 des unit\u00e9s d’observation.<\/p>\ncumsum()<\/code> :<\/p>\n\n
integer<\/code>, sous r\u00e9serve absolue qu’aucun d\u00e9passement de capacit\u00e9 arithm\u00e9tique ne survienne au cours de l’accumulation s\u00e9quentielle.<\/li>\ndouble<\/code>, respectant la norme internationale IEEE 754 pour les repr\u00e9sentations num\u00e9riques.<\/li>\ninteger<\/code> est op\u00e9r\u00e9e de mani\u00e8re native avant le calcul de l’accumulation, traduisant TRUE<\/code> en l’entier 1 et FALSE<\/code> en l’entier 0.<\/li>\n2.2 Comparaison conceptuelle avec les fonctions math\u00e9matiques de la m\u00eame famille<\/h3>\n
cumsum()<\/code> pour l’accumulation sommatoire, cumprod()<\/code> pour le produit cumul\u00e9, cummin()<\/code> pour le suivi continu du minimum historique rencontr\u00e9, et cummax()<\/code> pour l’enregistrement du maximum s\u00e9quentiel atteint.<\/p>\ncumsum()<\/code> est l’\u00e9quivalent discret de l’op\u00e9rateur d’int\u00e9gration temporelle $\\int_0^t f(\\tau) d\\tau$<\/span>, la fonction cumprod()<\/code> mat\u00e9rialise l’accumulation multiplicative de taux de croissance instantan\u00e9s ou de probabilit\u00e9s conditionnelles conjointes ind\u00e9pendantes. \u00c0 l’oppos\u00e9, cummin()<\/code> et cummax()<\/code> ne modifient pas la nature d’\u00e9chelle des donn\u00e9es mais g\u00e9n\u00e8rent des fonctions en escalier monotones non d\u00e9croissantes (pour le maximum) ou non croissantes (pour le minimum), mod\u00e9lisant des ph\u00e9nom\u00e8nes de records ou de barri\u00e8res d’activation dans des t\u00e2ches chronom\u00e9tr\u00e9es.<\/p>\ndiff()<\/code>. En effet, l’op\u00e9rateur diff()<\/code> calcule les accroissements marginaux d’ordre 1 selon la formule $y_k = x_{k+1} – x_k$<\/span>. Par cons\u00e9quent, pour tout vecteur num\u00e9rique $X$<\/span> de longueur $n$<\/span>, la reconstitution exacte du profil s\u00e9quentiel original \u00e0 partir de son vecteur cumul\u00e9 $S = \\text{cum\\sum}(X)$<\/span> s’obtient de mani\u00e8re d\u00e9terministe en appliquant :<\/p>\nc(S[1], diff(S))<\/code><\/p>\n2.3 Typage des donn\u00e9es admissibles et conversions implicites de vecteurs<\/h3>\n
cumsum()<\/code> vis-\u00e0-vis des diff\u00e9rents modes de stockage en m\u00e9moire refl\u00e8te la rigueur du syst\u00e8me de typage atomique de R. La conversion implicite des vecteurs de bool\u00e9ens (logical<\/code>) constitue l’une des fonctionnalit\u00e9s les plus puissantes pour le traitement statistique rapide. Dans un vecteur logique o\u00f9 chaque \u00e9l\u00e9ment indique la r\u00e9alisation (TRUE<\/code>) ou la non-r\u00e9alisation (FALSE<\/code>) d’un crit\u00e8re clinique ou exp\u00e9rimental, l’appel \u00e0 cumsum()<\/code> fournit directement la fonction de comptage du nombre d’\u00e9v\u00e9nements positifs survenus jusqu’au point d’\u00e9chantillonnage courant.<\/p>\nfactor<\/code>), ou des mesures quantitatives import\u00e9es par erreur sous forme de cha\u00eenes de caract\u00e8res (character<\/code>). L’ex\u00e9cution directe de l’accumulation sur de tels objets d\u00e9clenche une interruption explicite :<\/p>\nas.numeric(as.character(x))<\/code>, \u00e9vitant ainsi l’\u00e9cueil classique consistant \u00e0 sommer les identifiants d’indexation internes du facteur plut\u00f4t que ses valeurs num\u00e9riques r\u00e9elles.<\/p>\n3. Application pratique : Calcul d’une somme cumul\u00e9e sur un vecteur num\u00e9rique unidimensionnel<\/h2>\n
3.1 Instanciation d’un vecteur num\u00e9rique et ex\u00e9cution s\u00e9quentielle de base<\/h3>\n
performances <- c(14, 18, 12, 22, 19, 25, 23, 27)<\/code><\/p>\ncumul_performances <- cumsum(performances)<\/code><\/p>\n[1] 14 32 44 66 85 110 133 160<\/code><\/p>\nsum(performances)<\/code>.<\/p>\n3.2 D\u00e9composition pas \u00e0 pas de l’accumulation it\u00e9rative interne<\/h3>\n
for<\/code> utilisateur qui allouerait des environnements temporaires \u00e0 chaque it\u00e9ration, la primitive C alloue directement un bloc de m\u00e9moire contigu d’une taille rigoureusement identique \u00e0 celle du vecteur source.<\/p>\n\n
for (i in 1:n) s[i] <- sum(x[1:i])<\/code>) pr\u00e9senterait une complexit\u00e9 quadratique d\u00e9l\u00e9t\u00e8re d’ordre $\\mathcal{O}(n^2)$<\/span>, requ\u00e9rant un volume de calculs prohibitif d\u00e8s que $n$<\/span> d\u00e9passe quelques milliers d’observations.<\/p>\n3.3 Manipulation de vecteurs d’entiers versus vecteurs de r\u00e9els \u00e0 virgule flottante<\/h3>\n
L<\/code> :<\/p>\ncomptages_entiers <- c(5L, 10L, 15L, 20L)<\/code><\/p>\ncumsum(comptages_entiers)<\/code> pr\u00e9serve rigoureusement la classe integer<\/code> du conteneur en sortie, assurant une compacit\u00e9 optimale de 4 octets par observation en m\u00e9moire vive. N\u00e9anmoins, l’univers des entiers sign\u00e9s sur une architecture standard 32 ou 64 bits est born\u00e9 sup\u00e9rieurement par la constante $2^{31} – 1$<\/span>, soit 2 147 483 647. Si l’accumulation s\u00e9quentielle franchit ce plafond th\u00e9orique, le moteur natif de R n’op\u00e8re pas une transition automatique silencieuse vers les r\u00e9els ; il g\u00e9n\u00e8re un d\u00e9passement de capacit\u00e9 arithm\u00e9tique (d\u00e9fini comme un integer overflow<\/em>), transformant les valeurs ult\u00e9rieures en marqueurs NA<\/code> et \u00e9mettant un avertissement explicite.<\/p>\ndouble<\/code> (occupant 8 octets par \u00e9l\u00e9ment selon la norme IEEE 754 \u00e0 double pr\u00e9cision), la plage dynamique couverte est consid\u00e9rablement plus vaste (jusqu’\u00e0 environ $1.8 \\times 10^{308}$<\/span>). Cependant, les calculs cumulatifs sur de tr\u00e8s longues s\u00e9quences de nombres r\u00e9els \u00e0 virgule flottante pr\u00e9sentent le risque inh\u00e9rent d’accumulation progressive d’erreurs d’arrondi binaire. Lors de la sommation d’une valeur marginale infinit\u00e9simale \u00e0 un accumulateur d\u00e9j\u00e0 devenu gigantesque, la limite de mantisse de 53 bits peut conduire \u00e0 l’oblit\u00e9ration des chiffres les moins significatifs, un ph\u00e9nom\u00e8ne classique de troncature qui doit \u00eatre surveill\u00e9 avec attention lors de l’int\u00e9gration chronom\u00e9trique de microsecondes.<\/p>\n4. Int\u00e9gration et manipulation de sommes cumul\u00e9es au sein de structures data.frame<\/h2>\n
4.1 Cr\u00e9ation d’une variable cumulative dans un tableau de donn\u00e9es tabulaires<\/h3>\n
data.frame<\/code>. L’enrichissement d’un tel tableau par une colonne mod\u00e9lisant la somme progressive s’appuie sur la pr\u00e9servation de la dimensionnalit\u00e9 assur\u00e9e par cumsum()<\/code>, qui garantit que le vecteur d\u00e9riv\u00e9 poss\u00e8de un nombre de lignes rigoureusement identique \u00e0 la structure r\u00e9ceptrice.<\/p>\ndonnees$cumul_variable <- cum\\sum(donnees$<\/span>variable_marginale)<\/code><\/p>\ntransform()<\/code>, qui permet de d\u00e9finir plusieurs variables transform\u00e9es en une seule instruction lisible, sans r\u00e9p\u00e9ter continuellement le nom du tableau source :<\/p>\ndonnees <- transform(donnees, cumul_variable = cumsum(variable_marginale))<\/code><\/p>\n4.2 Exemple d\u00e9taill\u00e9 : Traitement d’une s\u00e9rie temporelle trimestrielle<\/h3>\n
serie_inclusions <- data.frame(
\n trimestre = paste0(\"T\", 1:15),
\n annee = rep(2021:2023, each = 5),
\n patients_inclus = c(12, 15, 19, 23, 18, 25, 30, 28, 34, 31, 29, 27, 24, 20, 16)
\n)<\/code><\/p>\nserie_inclusions$effectif_total_cumule <- cum\\sum(serie_inclusions$<\/span>patients_inclus)<\/code><\/p>\nhead(serie_inclusions, n = 5)<\/code><\/p>\n trimestre annee patients_inclus effectif_total_cumule
\n1 T1 2021 12 12
\n2 T2 2021 15 27
\n3 T3 2021 19 46
\n4 T4 2021 23 69
\n5 T5 2021 18 87<\/code><\/p>\n4.3 Indexation conditionnelle et extraction de m\u00e9triques cumul\u00e9es<\/h3>\n
phases_post_centieme <- serie_inclusions[serie_inclusions$effectif_total_cumule >= 100, ]<\/code><\/p>\nnrow()<\/code> ou tail()<\/code> :<\/p>\nrecrutement_definitif <- tail(serie_inclusions$effectif_total_cumule, n = 1)<\/code><\/p>\n5. Gestion rigoureuse des valeurs manquantes (NA) lors du calcul cumulatif<\/h2>\n
5.1 Comportement syst\u00e9matique de cumsum() face aux valeurs non attribu\u00e9es<\/h3>\n
NA<\/code> (Not Available<\/em>) dans le langage R, pose un d\u00e9fi m\u00e9thodologique fondamental lors de l’ex\u00e9cution de calculs s\u00e9quentiels cumulatifs. Contrairement aux fonctions d’agr\u00e9gation globale telles que sum()<\/code>, mean()<\/code> ou sd()<\/code>, qui acceptent un param\u00e8tre formel bool\u00e9en na.rm = TRUE<\/code> permettant d’exclure les omissions avant traitement, la primitive cumsum()<\/code> ne comporte rigoureusement aucun argument direct d’omission de cette nature.<\/p>\ncumsum()<\/code> manifeste un comportement strict de contamination unilat\u00e9rale ou propagation irr\u00e9versible : d\u00e8s qu’un NA<\/code> est rencontr\u00e9 dans le vecteur d’entr\u00e9e, la valeur de sortie \u00e0 cet index devient NA<\/code>, et l’ensemble exhaustif des \u00e9l\u00e9ments situ\u00e9s en aval adopte \u00e9galement la valeur NA<\/code> jusqu’au terme de la s\u00e9quence.<\/p>\nserie_corrompue <- c(10, 20, NA, 30, 40)
\ncumsum(serie_corrompue)<\/code><\/p>\n[1] 10 30 NA NA NA<\/code><\/p>\n5.2 Strat\u00e9gies d’imputation et de neutralisation des donn\u00e9es manquantes<\/h3>\n
NA<\/code>. Cette transformation repose sur l’identification bool\u00e9enne pr\u00e9alable des indices d\u00e9faillants via la fonction is.na()<\/code> :<\/p>\nserie_imputee <- serie_corrompue
\nserie_imputee[is.na(serie_imputee)] <- 0
\ncumul_impute <- cumsum(serie_imputee)<\/code><\/p>\n[1] 10 30 30 60 100<\/code><\/p>\n5.3 Techniques avanc\u00e9es de conservation des NA sans rupture du calcul s\u00e9quentiel<\/h3>\n
NA<\/code> \u00e0 leurs positions spatiales pr\u00e9cises au sein du vecteur de sortie. De la sorte, on \u00e9vite la contamination en cha\u00eene de l’accumulateur tout en signalant que la valeur marginale \u00e0 ce point pr\u00e9cis n’a pu \u00eatre mesur\u00e9e.<\/p>\nifelse()<\/code> :<\/p>\ncumul_preserve <- function(vecteur) {
\n indices_manquants <- is.na(vecteur)
\n vecteur_remplace <- vecteur
\n vecteur_remplace[indices_manquants] <- 0
\n accumulation <- cumsum(vecteur_remplace)
\n accumulation[indices_manquants] <- NA
\n return(accumulation)
\n}<\/code><\/p>\nserie_corrompue <- c(10, 20, NA, 30, 40)<\/code>, nous obtenons l’agencement suivant :<\/p>\n[1] 10 30 NA 60 100<\/code><\/p>\n6. Calculs de sommes cumul\u00e9es segment\u00e9es par groupes avec l’\u00e9cosyst\u00e8me Tidyverse<\/h2>\n
6.1 Combinaison synergique de group_by() et mutate() dans dplyr<\/h3>\n