essai de propositions_exo5_fr.Rmd

parent e953e220
...@@ -73,6 +73,20 @@ régression logistique. ...@@ -73,6 +73,20 @@ régression logistique.
logistic_reg = glm(data=data, Malfunction/Count ~ Temperature, weights=Count, logistic_reg = glm(data=data, Malfunction/Count ~ Temperature, weights=Count,
family=binomial(link='logit')) family=binomial(link='logit'))
summary(logistic_reg) summary(logistic_reg)
```
```{r}
#il faudrait peut-être stocker les données dans une data frame à la place de data = data
#lorsque l'on dispose de données évenementielles (binaire) et que l'on souhaite l'influence d'un paramètre sur la probabilité d'occurence de l'évenement (défaillance)on procède à une régression logistique.
mod1<-glm(disfonctionnement~temperature, data = df, family = "binomial"("logit"))
summary(mod1)
exp(coefficients(mod1))#donne la variable à expliquer par rapport à l'estimation : 0,049
#on par du principe de l'hypothèse où le disfonctionement est minimisé
#regression linéaire, correlation et test-t
#si le disfonctionement ne suit pas une loi normale
cor.test(df$disfonctionement, df$temperature, method = "spearman")
t.test(df$disfonctionement==0, df$temperature[df$disfonctionement==1], var.equal=TRUE)#variable réponse (disfonctionement)variable explicative (temperature)
``` ```
L'estimateur le plus probable du paramètre de température est 0.001416 L'estimateur le plus probable du paramètre de température est 0.001416
...@@ -92,6 +106,9 @@ rmv <- predict(logistic_reg,list(Temperature=tempv),type="response") ...@@ -92,6 +106,9 @@ rmv <- predict(logistic_reg,list(Temperature=tempv),type="response")
plot(tempv,rmv,type="l",ylim=c(0,1)) plot(tempv,rmv,type="l",ylim=c(0,1))
points(data=data, Malfunction/Count ~ Temperature) points(data=data, Malfunction/Count ~ Temperature)
``` ```
```{r}
#j'aurai introduit : point(data = shuttle, disfonctionement~temperature)
```
Comme on pouvait s'attendre au vu des données initiales, la Comme on pouvait s'attendre au vu des données initiales, la
température n'a pas d'impact notable sur la probabilité d'échec des température n'a pas d'impact notable sur la probabilité d'échec des
...@@ -113,6 +130,12 @@ lançeur est donc de $1-(1-p^2)^3 \approx 1.2%$. Ça serait vraiment ...@@ -113,6 +130,12 @@ lançeur est donc de $1-(1-p^2)^3 \approx 1.2%$. Ça serait vraiment
pas de chance... Tout est sous contrôle, le décollage peut donc avoir pas de chance... Tout est sous contrôle, le décollage peut donc avoir
lieu demain comme prévu. lieu demain comme prévu.
```{r}
# la prediction est de 0,2 (20%)dans les conditions similaires aux essais
#il faudrait pouvoir voir les données des essais
#on peut supposer que pour une diminution de la température lors des essais d'une unité le pourcentage augment de 0,2 par unité
``
Seulement, le lendemain, la navette Challenger explosera et emportera Seulement, le lendemain, la navette Challenger explosera et emportera
avec elle ses sept membres d'équipages. L'opinion publique est avec elle ses sept membres d'équipages. L'opinion publique est
fortement touchée et lors de l'enquête qui suivra, la fiabilité des fortement touchée et lors de l'enquête qui suivra, la fiabilité des
......
Markdown is supported
0% or
You are about to add 0 people to the discussion. Proceed with caution.
Finish editing this message first!
Please register or to comment