Skip to content

M
mooc-rr
Commit ecd554d7 authored by Helene31's avatar Helene31
Browse files
Options

maj

parent c82e5ab6
Expand all Hide whitespace changes
Inline Side-by-side
Showing with 3024 additions and 166 deletions
journal/journalHelene31.md 0 → 100644
View file @ ecd554d7
<img src="https://images-na.ssl-images-amazon.com/images/I/41w3Kf%2BAzBL._SX331_BO1,204,203,200_.jpg" width="100"/>
# Journal Hélène 31
*Objet de ce document*
ce que vous apprenez dans ce MOOC:
les références qui vous paraissent utiles, etc.
des données quotidiennes qui vous intéressent (temps, etc.). Vous les utiliserez par la suite dans le module 2.
## Data
| date | weather | temperature | hours |
|:----------|:------------:|------------:|------:|
|23/03/2020 | sunny | 14 | 1 |
|24/03/2020 | windy | 14 | 1 |
|25/03/2020 | windy | 15 | 2 |
|26/03/2020 | cloudy | 10 | 3 |
|27/03/2020 | sunny | 18 | 0 |
|28/03/2020 | sunny | 18 | 0 |
|29/03/2020 | cloudy | 12 | 0 |
|30/03/2020 | melted snow | 4 | 2 |
|31/03/2020 | melted snow | 4 | 2 |
|01/04/2020 | melted snow | 4 | 2 |
|02/04/2020 | sunny | 15 | 0 |
|03/04/2020 | sunny | 15 | 0 |
|04/04/2020 | sunny | 15 | 0 |
|05/04/2020 | sunny | 18 | 0 |
|06/04/2020 | sunny | 15 | 2 |
|15/04/2020 | sunny | 16 | 1 |
|16/04/2020 | sunny | 15 | 3 |
|20/04/2020 | rain | 10 | 2 |
|21/04/2020 | rain | 7 | 3 |
## Module 1: Cahier de notes cahier de laboratoire
### Nous utilisons tous des cahiers de notes, cahier de laboratoire
### Un aperçu historique de la prise de note
### Du fichier texte au langage balisage léger
- Tutoriel trés complet sur markdown et pandoc
[https://enacit.epfl.ch/cours/markdown-pandoc/]
- R Markdown: The Definitive Guide
[https://bookdown.org/yihui/rmarkdown/]
-- Exemple Rmarkdown généré avec Rstudio[https://app-learninglab.inria.fr/moocrr/gitlab/moocrr-session3/moocrr-reproducibility-study/blob/master/testmarkdown.Rmd] - (Fichier html généré avec R studio)[SortieTestRmarkdown.html]
-- Résultat en html, fichier html généré avec Rstudio [https://app-learninglab.inria.fr/moocrr/gitlab/moocrr-session3/moocrr-reproducibility-study/blob/master/SortieTestRmarkdown.html]
- Pandoc sur mon PC:
-- installation sur poste de travail, puis ouvrir ligne de commande
```
C:\Users\hraynal\EspaceTravailBadet\FORMATION_PERSO\2020-Reproductibilite>pandoc -o carnet.pdf journalHelene31.md
```
### Pérennité et évolutivité des notes avec gitlab
- question sur client git pour windows:
*Trois outils sont proposés en semaine 2. Les trois outils permettent d’utiliser Git.
La solution avec RStudio me semble la plus simple à mettre en œuvre : RStudio / Utiliser Git avec RStudio (cf. onglet 3. RStudio : installation, documentation).*
- Manip à faire pour versionner avec git depuis RStudio
<<<<<<< HEAD
-- Créer un projet
-- (Bon tutoriel pour installation) [https://jennybc.github.io/2014-05-12-ubc/ubc-r/session03_git.html]
-- (Autre tuto envoyé par Eric)[happygitwithr.com/]
-- Pb "git: 'credential-cache' is not a git command" Faire:To remove the message, "git: 'credential-cache' is not a git command.", run "git config --global --unset credential.helper"
-- Depuis l'interface : cocher à droite le fichier dont on veut faire le commit
-- Bouton en haut "Git"
-- Commit - compléter le message de commit
-- Push
-- Pb je n'arrivais pas à le faire en utilisant l'interface graphique car au départ il y avait des accents dans le nom du fichier. Je le fais en ligne de commande: git commit fichier, git push
-- Pb j'ai l'impression qu'il faut que je sois connectée à gitlab, et que j'ai fait un Save As du fichier.
-- Créer un projet
-- (Bon tutoriel pour installation) [https://jennybc.github.io/2014-05-12-ubc/ubc-r/session03_git.html]
-- Pb "git: 'credential-cache' is not a git command" Faire:To remove the message, "git: 'credential-cache' is not a git command.", run "git config --global --unset credential.helper"
-- Depuis l'interface : cocher à droite le fichier dont on veut faire le commit
-- Bouton en haut "Git"
-- Commit
-- Push
-- Pb je n'arrive pas à le faire en utilisant l'interface graphique. Je le fais en ligne de commande:
--- git commit fichier Puis git push
### les étiquettes et logiciel d'indexation pour s'y retrouver
### Supports de cours
### exercices
\ No newline at end of file
journal/journalHélène31.md 0 → 100644
View file @ ecd554d7
<img src="https://images-na.ssl-images-amazon.com/images/I/41w3Kf%2BAzBL._SX331_BO1,204,203,200_.jpg" width="100"/>
# Journal Hélène 31
*Objet de ce document*
ce que vous apprenez dans ce MOOC:
les références qui vous paraissent utiles, etc.
des données quotidiennes qui vous intéressent (temps, etc.). Vous les utiliserez par la suite dans le module 2.
## Data
| date | weather | temperature | hours |
|:----------|:------------:|------------:|------:|
|23/03/2020 | sunny | 14 | 1 |
|24/03/2020 | windy | 14 | 1 |
|25/03/2020 | windy | 15 | 2 |
|26/03/2020 | cloudy | 10 | 3 |
|27/03/2020 | sunny | 18 | 0 |
|28/03/2020 | sunny | 18 | 0 |
|29/03/2020 | cloudy | 12 | 0 |
|30/03/2020 | melted snow | 4 | 2 |
|31/03/2020 | melted snow | 4 | 2 |
|01/04/2020 | melted snow | 4 | 2 |
## fin des données
## fin des données
## essai
## Module 1: Cahier de notes cahier de laboratoire
### Nous utilisons tous des cahiers de notes, cahier de laboratoire
### Un aperçu historique de la prise de note
### Du fichier texte au langage balisage léger
- Tutoriel trés complet sur markdown et pandoc
[https://enacit.epfl.ch/cours/markdown-pandoc/]
- R Markdown: The Definitive Guide
[https://bookdown.org/yihui/rmarkdown/]
-- Exemple Rmarkdown généré avec Rstudio[https://app-learninglab.inria.fr/moocrr/gitlab/moocrr-session3/moocrr-reproducibility-study/blob/master/testmarkdown.Rmd] - (Fichier html généré avec R studio)[SortieTestRmarkdown.html]
-- Résultat en html, fichier html généré avec Rstudio [https://app-learninglab.inria.fr/moocrr/gitlab/moocrr-session3/moocrr-reproducibility-study/blob/master/SortieTestRmarkdown.html]
- Pandoc sur mon PC:
-- installation sur poste de travail, puis ouvrir ligne de commande
```
C:\Users\hraynal\EspaceTravailBadet\FORMATION_PERSO\2020-Reproductibilite>pandoc -o carnet.pdf journalHelene31.md
```
### Pérennité et évolutivité des notes avec gitlab
- question sur client git pour windows:
*Trois outils sont proposés en semaine 2. Les trois outils permettent d’utiliser Git.
La solution avec RStudio me semble la plus simple à mettre en œuvre : RStudio / Utiliser Git avec RStudio (cf. onglet 3. RStudio : installation, documentation).*
- Manip à faire pour versionner avec git depuis RStudio
-- Créer un projet
-- (Bon tutoriel pour installation) [https://jennybc.github.io/2014-05-12-ubc/ubc-r/session03_git.html]
-- Pb "git: 'credential-cache' is not a git command" Faire:To remove the message, "git: 'credential-cache' is not a git command.", run "git config --global --unset credential.helper"
-- Depuis l'interface : cocher à droite le fichier dont on veut faire le commit
-- Bouton en haut "Git"
-- Commit
-- Push
-- Pb je n'arrive pas à le faire en utilisant l'interface graphique. Je le fais en ligne de commande: git commit fichier, git push
### les étiquettes et logiciel d'indexation pour s'y retrouver
### Supports de cours
### exercices
\ No newline at end of file
module1/essai.md 0 → 100644
View file @ ecd554d7
x <- 67
\ No newline at end of file
module1/premier essai markdone.md 0 → 100644
View file @ ecd554d7
# le titre de la premiere section
## le titre de la 2eme ss section
_italique_ *italique*
__gras__ **gras**
échasse fixeé 'chasse fixe' `chasse fixe`
--barré-- ~~barrer~~
un hyperline [Élaboration et conversion de documents avec Markdown et Pandoc](https://enacit1.epfl.ch/markdown-pandoc/)
<!-- un commentaire -->
![une photo de chat](https://upload.wikimedia.org/wikipedia/commons/thumb/6/64/Collage_of_Six_Cats-02.jpg/290px-Collage_of_Six_Cats-02.jpg)
liste à puce
- +1er élément
- 2 eme element
- 3 eme element
numérotation
1. premier
2. deuxieme
3. ...
Je peux imbriquer
1. ff
- a
- b
2. ggg
3. on continu
1. au début
2. ensuite
on va s'arrêter là
# Nouvelle Section de Niveau 1
- liste de Voitures
1. Porsche
2. Ferrari
- Liste d'éditeurs
1. Notepad++
2. TextEdit
## Nouvelle Section de Niveau 2
Bonjour, c'est ma nouvelle Section de niveau 2,
qui permet de créer un heading de niveau 2 en HTML.
### C'est un paragraphe formé de plusieurs lignes
<p> Ligne 1 du paragraphe <br> <hr>Ligne 2 du paragraphe <br> <hr> Ligne 3 du paragraphe
</p>
<br>
*Texte en Italique* <br>
__texte en gras__ <br>
___texte en italique et gras___
<br>
[Lien vers Google](https://www.google.fr/)
<br>
![Image ](http://animtoit.fr/exemple-chien/)
module1/testmarkdown.Rmd 0 → 100644
View file @ ecd554d7
---
title: "test"
author: "helene"
date: "26 mars 2020"
output: html_document
---
```{r setup, include=FALSE}
knitr::opts_chunk$set(echo = TRUE)
```
## R Markdown
This is an R Markdown document. Markdown is a simple formatting syntax for authoring HTML, PDF, and MS Word documents. For more details on using R Markdown see <http://rmarkdown.rstudio.com>.
When you click the **Knit** button a document will be generated that includes both content as well as the output of any embedded R code chunks within the document. You can embed an R code chunk like this:
```{r cars}
summary(cars)
```
## Including Plots
You can also embed plots, for example:
```{r pressure, echo=FALSE}
plot(pressure)
```
Note that the `echo = FALSE` parameter was added to the code chunk to prevent printing of the R code that generated the plot.
module2/exo1/toy_document_fr.Rmd
View file @ ecd554d7
---
title: "Votre titre"
author: "Votre nom"
date: "La date du jour"
title: "À propos du calcul de pi"
author: "Isaac KABRE"
date: "10 avril 2020"
output: html_document
---
```{r setup, include=FALSE}
knitr::opts_chunk$set(echo = TRUE)
```
## Quelques explications
Ceci est un document R markdown que vous pouvez aisément exporter au format HTML, PDF, et MS Word. Pour plus de détails sur R Markdown consultez <http://rmarkdown.rstudio.com>.
## En demandant à la lib maths
Lorsque vous cliquerez sur le bouton **Knit** ce document sera compilé afin de ré-exécuter le code R et d'inclure les résultats dans un document final. Comme nous vous l'avons montré dans la vidéo, on inclue du code R de la façon suivante:
Mon ordinateur m'indique que $\pi$ vaut approximativement
```{r cars}
summary(cars)
```
pi
```
## En utilisant la méthode des aiguilles de Buffon
Et on peut aussi aisément inclure des figures. Par exemple:
Mais calculé avec la **méthode** des [aiguilles de Buffon](https://fr.wikipedia.org/wiki/Aiguille_de_Buffon), on obtiendrait comme **approximation** :
```{r pressure, echo=FALSE}
plot(pressure)
```{r }
set.seed(42)
N = 100000
x = runif(N)
theta = pi/2*runif(N)
2/(mean(x+sin(theta)>1))
```
Vous remarquerez le paramètre `echo = FALSE` qui indique que le code ne doit pas apparaître dans la version finale du document. Nous vous recommandons dans le cadre de ce MOOC de ne pas utiliser ce paramètre car l'objectif est que vos analyses de données soient parfaitement transparentes pour être reproductibles.
## Avec un argument “fréquentiel” de surface
Sinon, une méthode plus simple à comprendre et ne faisant pas intervenir d’appel à la fonction sinus se base sur le fait que si
$X \sim U(0,1)$ et
$Y \sim U(0,1)$ alors
$P[X^{2} + Y^{2} \le 1]= \pi /4$
(voir [méthode de Monte Carlo sur Wikipedia](https://fr.wikipedia.org/wiki/M%C3%A9thode_de_Monte-Carlo#D%C3%A9termination_de_la_valeur_de_%CF%80). Le code suivant illustre ce fait:
```{r }
set.seed(42)
N = 1000
df = data.frame(X = runif(N), Y = runif(N))
df$Accept = (df$X**2 + df$Y**2 <=1)
library(ggplot2)
ggplot(df, aes(x=X,y=Y,color=Accept)) + geom_point(alpha=.2) + coord_fixed() + theme_bw()
```
Il est alors aisé d’obtenir une approximation (pas terrible) de π en comptant combien de fois, en moyenne, $X{2}+Y{2}$ est inférieur à 1:
Comme les résultats ne sont pas stockés dans les fichiers Rmd, pour faciliter la relecture de vos analyses par d'autres personnes, vous aurez donc intérêt à générer un HTML ou un PDF et à le commiter.
Maintenant, à vous de jouer! Vous pouvez effacer toutes ces informations et les remplacer par votre document computationnel.
```{r }
4*mean(df$Accept)
```
\ No newline at end of file
module2/exo1/toy_document_fr.html 0 → 100644
View file @ ecd554d7
---
title: "À Propos du calcul de pi"
author: "Arnaud Legrand"
date: "06/25/2020"
output: html_document
---
## En demandant à la lib maths
Mon ordinateur m'indique que \pi vaut *approximativement*
```{r}
pi
```
## En tulisant la méthode des aiguilles de Buffon
Mais calculer avec la **méthode** des [aiguilles de Buffon](https://fr.wikipedia.org/wiki/Aiguille_de_Buffon), on obtiendrait comme **approximation** :
```{r}
set.seed(42)
N = 100000
x = runif(N)
theta = pi/2*runif(N)
2/(mean(x+sin(theta)>1))
```
## Avec un argument “fréquentiel” de surface
Sinon, une méthode plus simple à comprendre et ne faisant pas intervenir d’appel à la fonction sinus se base sur le fait que si X∼U(0,1) et Y∼U(0,1) alors P[X2+Y2≤1]=\pi/4 (voir [méthode de Monte Carlo sur Wikipedia](https://fr.wikipedia.org/wiki/Méthode_de_Monte-Carlo#Détermination_de_la_valeur_de_π)). Le code suivant illustre ce fait:
```{r}
set.seed(42)
N = 1000
df = data.frame(X = runif(N), Y = runif(N))
df$Accept = (df$X**2 + df$Y**2 <=1)
library(ggplot2)
ggplot(df, aes(x=X,y=Y,color=Accept)) + geom_point(alpha=.2) + coord_fixed() + theme_bw()
```
Il est alors aisé d’obtenir une approximation (pas terrible) de \pi en comptant combien de fois, en moyenne, X2+Y2 est inférieur à 1:
```{r}
4*mean(df$Accept)
```
\ No newline at end of file
module2/exo2/exercice_fr.Rmd
View file @ ecd554d7
---
title: "Votre titre"
author: "Votre nom"
date: "La date du jour"
title: "Savoir faire un calcul simple soi-même"
author: "Hélène Raynal"
date: "7 avril 2020"
output: html_document
---
```{r setup, include=FALSE}
knitr::opts_chunk$set(echo = TRUE)
```
## Quelques explications
## Création du vecteur des données
Ceci est un document R markdown que vous pouvez aisément exporter au format HTML, PDF, et MS Word. Pour plus de détails sur R Markdown consultez <http://rmarkdown.rstudio.com>.
Lorsque vous cliquerez sur le bouton **Knit** ce document sera compilé afin de ré-exécuter le code R et d'inclure les résultats dans un document final. Comme nous vous l'avons montré dans la vidéo, on inclue du code R de la façon suivante:
```{r }
dataMooc <- c(14.0, 7.6, 11.2, 12.8, 12.5, 9.9, 14.9, 9.4, 16.9, 10.2, 14.9, 18.1, 7.3, 9.8, 10.9,12.2, 9.9, 2.9, 2.8, 15.4, 15.7, 9.7, 13.1, 13.2, 12.3, 11.7, 16.0, 12.4, 17.9, 12.2, 16.2, 18.7, 8.9, 11.9, 12.1, 14.6, 12.1, 4.7, 3.9, 16.9, 16.8, 11.3, 14.4, 15.7, 14.0, 13.6, 18.0, 13.6, 19.9, 13.7, 17.0, 20.5, 9.9, 12.5, 13.2, 16.1, 13.5, 6.3, 6.4, 17.6, 19.1, 12.8, 15.5, 16.3, 15.2, 14.6, 19.1, 14.4, 21.4, 15.1, 19.6, 21.7, 11.3, 15.0, 14.3, 16.8, 14.0, 6.8, 8.2, 19.9, 20.4, 14.6, 16.4, 18.7, 16.8, 15.8, 20.4, 15.8, 22.4, 16.2, 20.3, 23.4, 12.1, 15.5, 15.4, 18.4, 15.7, 10.2, 8.9, 21.0)
```{r cars}
summary(cars)
```
Et on peut aussi aisément inclure des figures. Par exemple:
## Quelques stats simples
```{r pressure, echo=FALSE}
plot(pressure)
```
Vous remarquerez le paramètre `echo = FALSE` qui indique que le code ne doit pas apparaître dans la version finale du document. Nous vous recommandons dans le cadre de ce MOOC de ne pas utiliser ce paramètre car l'objectif est que vos analyses de données soient parfaitement transparentes pour être reproductibles.
Comme les résultats ne sont pas stockés dans les fichiers Rmd, pour faciliter la relecture de vos analyses par d'autres personnes, vous aurez donc intérêt à générer un HTML ou un PDF et à le commiter.
```{r }
mean(dataMooc)
min(dataMooc)
max(dataMooc)
median(dataMooc)
sd(dataMooc)
```
Maintenant, à vous de jouer! Vous pouvez effacer toutes ces informations et les remplacer par votre document computationnel.
module2/exo2/exercice_fr.html 0 → 100644
View file @ ecd554d7
This diff is collapsed.
module2/exo3/exercice_fr.Rmd
View file @ ecd554d7
---
title: "Votre titre"
author: "Votre nom"
date: "La date du jour"
title: "Savoir faire des graphiques"
author: "Hélène Raynal"
date: "7 avril 2020"
output: html_document
---
```{r setup, include=FALSE}
knitr::opts_chunk$set(echo = TRUE)
```
## Quelques explications
## Création du vecteur des données
Ceci est un document R markdown que vous pouvez aisément exporter au format HTML, PDF, et MS Word. Pour plus de détails sur R Markdown consultez <http://rmarkdown.rstudio.com>.
Lorsque vous cliquerez sur le bouton **Knit** ce document sera compilé afin de ré-exécuter le code R et d'inclure les résultats dans un document final. Comme nous vous l'avons montré dans la vidéo, on inclue du code R de la façon suivante:
```{r }
dataMooc <- c(14.0, 7.6, 11.2, 12.8, 12.5, 9.9, 14.9, 9.4, 16.9, 10.2, 14.9, 18.1, 7.3, 9.8, 10.9,12.2, 9.9, 2.9, 2.8, 15.4, 15.7, 9.7, 13.1, 13.2, 12.3, 11.7, 16.0, 12.4, 17.9, 12.2, 16.2, 18.7, 8.9, 11.9, 12.1, 14.6, 12.1, 4.7, 3.9, 16.9, 16.8, 11.3, 14.4, 15.7, 14.0, 13.6, 18.0, 13.6, 19.9, 13.7, 17.0, 20.5, 9.9, 12.5, 13.2, 16.1, 13.5, 6.3, 6.4, 17.6, 19.1, 12.8, 15.5, 16.3, 15.2, 14.6, 19.1, 14.4, 21.4, 15.1, 19.6, 21.7, 11.3, 15.0, 14.3, 16.8, 14.0, 6.8, 8.2, 19.9, 20.4, 14.6, 16.4, 18.7, 16.8, 15.8, 20.4, 15.8, 22.4, 16.2, 20.3, 23.4, 12.1, 15.5, 15.4, 18.4, 15.7, 10.2, 8.9, 21.0)
```{r cars}
summary(cars)
```
Et on peut aussi aisément inclure des figures. Par exemple:
```{r pressure, echo=FALSE}
plot(pressure)
```
## Courbe
Vous remarquerez le paramètre `echo = FALSE` qui indique que le code ne doit pas apparaître dans la version finale du document. Nous vous recommandons dans le cadre de ce MOOC de ne pas utiliser ce paramètre car l'objectif est que vos analyses de données soient parfaitement transparentes pour être reproductibles.
Comme les résultats ne sont pas stockés dans les fichiers Rmd, pour faciliter la relecture de vos analyses par d'autres personnes, vous aurez donc intérêt à générer un HTML ou un PDF et à le commiter.
```{r }
plot(dataMooc, type="l", col="blue")
```
Maintenant, à vous de jouer! Vous pouvez effacer toutes ces informations et les remplacer par votre document computationnel.
## Histogramme
```{r }
hist(dataMooc, col="blue")
```
\ No newline at end of file
module2/exo3/exercice_fr.html 0 → 100644
View file @ ecd554d7
This diff is collapsed.
module2/exo4/covid19-du-2020-03-04-au-2020-03-25.csv 0 → 100644
View file @ ecd554d7
Date;Auvergne-Rhone-Alpes;Bourgogne-Franche-Comté;Bretagne;Centre-Val de Loire;Corse;Grand Est;Hauts-de-France;Ile-de-France;Normandie;Nouvelle-Aquitaine;Occitanie;Pays de la Loire;PACA;Guadeloupe;Saint-Barth;Saint-Martin;Guyane;Martinique;Mayotte;La Réunion
2020/03/04;49;16;23;0;0;38;65;55;2;5;9;7;13;3;0;0;0;0;0;0
2020/03/05;64;39;29;2;3;77;74;76;6;8;11;8;18;3;0;0;5;0;0;0
2020/03/06;75;78;32;11;3;136;97;89;11;11;18;16;26;0;1;2;5;2;0;0
2020/03/07;102;129;40;16;5;250;173;104;11;17;36;18;38;0;1;2;5;2;0;0
2020/03/10;249;123;83;19;42;489;249;468;40;57;70;31;110;0;1;2;5;3;0;0
2020/03/11;264;155;94;20;51;578;263;492;54;66;87;34;111;0;1;2;5;3;0;1
2020/03/12;329;219;117;30;64;699;349;577;68;87;133;41;147;0;1;2;6;4;0;3
2020/03/13;416;272;155;33;85;911;397;721;97;114;172;55;212;1;1;2;6;6;0;5
2020/03/14;454;339;182;54;106;1085;466;949;127;130;214;82;281;3;1;2;7;10;1;6
2020/03/15;523;412;207;71;115;1378;507;1209;143;144;243;98;330;6;3;2;7;15;1;9
2020/03/16;618;507;233;90;126;1543;585;1762;156;178;262;108;405;18;3;2;11;16;1;9
2020/03/17;710;549;247;103;145;1820;612;2177;174;200;311;126;478;27;3;3;11;19;3;12
2020/03/18;858;593;273;128;152;2163;665;2693;208;237;371;128;574;33;3;4;11;23;3;14
2020/03/19;1014;696;297;157;162;2643;700;3384;241;280;444;160;693;45;3;4;15;32;6;19
2020/03/20;1101;770;346;219;168;3006;759;3818;287;432;537;190;826;51;3;4;15;32;7;38
2020/03/21;1266;903;359;254;173;3089;791;4695;345;521;611;234;1041;56;3;5;18;37;11;47
2020/03/22;1431;1178;397;291;183;3395;936;5283;462;612;671;270;1372;58;3;6;19;44;14;64
2020/03/23;1730;1347;490;361;194;4256;1269;6211;511;676;767;293;1510;62;3;8;20;53;24;71
2020/03/24;1857;1510;526;450;217;4922;1532;6798;586;789;900;343;1595;73;3;8;23;57;30;83
2020/03/25;2093;1569;603;561;225;5479;1753;7660;688;912;1082;368;1927;76;3;11;28;66;35;94
module2/exo4/journalHelene31.Rmd 0 → 100644
View file @ ecd554d7
---
title: "Exercice 3 Module 2"
author: "Hélène Raynal"
date: "21 avril 2020"
output: html_document
---
<img src="https://images-na.ssl-images-amazon.com/images/I/41w3Kf%2BAzBL._SX331_BO1,204,203,200_.jpg" width="100"/>
# Journal Hélène 31
*Objet de ce document*
ce que vous apprenez dans ce MOOC:
les références qui vous paraissent utiles, etc.
des données quotidiennes qui vous intéressent (temps, etc.). Vous les utiliserez par la suite dans le module 2.
## Data
| date | weather | temperature | hours |
|:----------|:------------:|------------:|------:|
|23/03/2020 | sunny | 14 | 1 |
|24/03/2020 | windy | 14 | 1 |
|25/03/2020 | windy | 15 | 2 |
|26/03/2020 | cloudy | 10 | 3 |
|27/03/2020 | sunny | 18 | 0 |
|28/03/2020 | sunny | 18 | 0 |
|29/03/2020 | cloudy | 12 | 0 |
|30/03/2020 | melted snow | 4 | 2 |
|31/03/2020 | melted snow | 4 | 2 |
|01/04/2020 | melted snow | 4 | 2 |
|02/04/2020 | sunny | 15 | 0 |
|03/04/2020 | sunny | 15 | 0 |
|04/04/2020 | sunny | 15 | 0 |
|05/04/2020 | sunny | 18 | 0 |
|06/04/2020 | sunny | 15 | 2 |
|15/04/2020 | sunny | 16 | 1 |
|16/04/2020 | sunny | 15 | 3 |
|20/04/2020 | rain | 10 | 2 |
|21/04/2020 | rain | 7 | 3 |
## Suivi des data coronavirus
```{r }
setwd("C:/Users/hraynal/EspaceTravailBadet/FORMATION_PERSO/2020-Reproductibilite/moocrr-reproducibility-study/module2/exo4")
library(ggplot2)
monDataset <- read.csv("covid19-du-2020-03-04-au-2020-03-25.csv", sep=";")
#summary(monDataset)
max(monDataset$Occitanie)
ggplot(monDataset) +
geom_point(aes(x = Date, y = Occitanie),
color = "darkgreen")
```
## Module 1: Cahier de notes cahier de laboratoire
### Nous utilisons tous des cahiers de notes, cahier de laboratoire
### Un aperçu historique de la prise de note
### Du fichier texte au langage balisage léger
- Tutoriel trés complet sur markdown et pandoc
[https://enacit.epfl.ch/cours/markdown-pandoc/]
- R Markdown: The Definitive Guide
[https://bookdown.org/yihui/rmarkdown/]
-- Exemple Rmarkdown généré avec Rstudio[https://app-learninglab.inria.fr/moocrr/gitlab/moocrr-session3/moocrr-reproducibility-study/blob/master/testmarkdown.Rmd] - (Fichier html généré avec R studio)[SortieTestRmarkdown.html]
-- Résultat en html, fichier html généré avec Rstudio [https://app-learninglab.inria.fr/moocrr/gitlab/moocrr-session3/moocrr-reproducibility-study/blob/master/SortieTestRmarkdown.html]
- Pandoc sur mon PC:
-- installation sur poste de travail, puis ouvrir ligne de commande
```
C:\Users\hraynal\EspaceTravailBadet\FORMATION_PERSO\2020-Reproductibilite>pandoc -o carnet.pdf journalHelene31.md
```
### Pérennité et évolutivité des notes avec gitlab
- question sur client git pour windows:
*Trois outils sont proposés en semaine 2. Les trois outils permettent d’utiliser Git.
La solution avec RStudio me semble la plus simple à mettre en œuvre : RStudio / Utiliser Git avec RStudio (cf. onglet 3. RStudio : installation, documentation).*
- Manip à faire pour versionner avec git depuis RStudio
<<<<<<< HEAD
-- Créer un projet
-- (Bon tutoriel pour installation) [https://jennybc.github.io/2014-05-12-ubc/ubc-r/session03_git.html]
-- (Autre tuto envoyé par Eric)[happygitwithr.com/]
-- Pb "git: 'credential-cache' is not a git command" Faire:To remove the message, "git: 'credential-cache' is not a git command.", run "git config --global --unset credential.helper"
-- Depuis l'interface : cocher à droite le fichier dont on veut faire le commit
-- Bouton en haut "Git"
-- Commit - compléter le message de commit
-- Push
-- Pb je n'arrivais pas à le faire en utilisant l'interface graphique car au départ il y avait des accents dans le nom du fichier. Je le fais en ligne de commande: git commit fichier, git push
-- Pb j'ai l'impression qu'il faut que je sois connectée à gitlab, et que j'ai fait un Save As du fichier.
-- Créer un projet
-- (Bon tutoriel pour installation) [https://jennybc.github.io/2014-05-12-ubc/ubc-r/session03_git.html]
-- Pb "git: 'credential-cache' is not a git command" Faire:To remove the message, "git: 'credential-cache' is not a git command.", run "git config --global --unset credential.helper"
-- Depuis l'interface : cocher à droite le fichier dont on veut faire le commit
-- Bouton en haut "Git"
-- Commit
-- Push
-- Pb je n'arrive pas à le faire en utilisant l'interface graphique. Je le fais en ligne de commande:
--- git commit fichier Puis git push
### les étiquettes et logiciel d'indexation pour s'y retrouver
### Supports de cours
### exercices
\ No newline at end of file
module2/exo4/journalHelene31.html 0 → 100644
View file @ ecd554d7
This diff is collapsed.
module2/exo5/exo5_fr.Rmd
View file @ ecd554d7
---
title: "Analyse du risque de défaillance des joints toriques de la navette Challenger"
author: "Arnaud Legrand"
date: "28 juin 2018"
title: "Exo 5 shuttle"
author: "Hélène Raynal"
date: "21 avril 2020"
output: html_document
---
Le 27 Janvier 1986, veille du décollage de la navette _Challenger_, eu
lieu une télé-conférence de trois heures entre les ingénieurs de la
Morton Thiokol (constructeur d'un des moteurs) et de la NASA. La
discussion portait principalement sur les conséquences de la
température prévue au moment du décollage de 31°F (juste en dessous de
0°C) sur le succès du vol et en particulier sur la performance des
joints toriques utilisés dans les moteurs. En effet, aucun test
n'avait été effectué à cette température.
L'étude qui suit reprend donc une partie des analyses effectuées cette
nuit là et dont l'objectif était d'évaluer l'influence potentielle de
la température et de la pression à laquelle sont soumis les joints
toriques sur leur probabilité de dysfonctionnement. Pour cela, nous
disposons des résultats des expériences réalisées par les ingénieurs
de la NASA durant les 6 années précédant le lancement de la navette
Challenger.
### Création du vecteur des données
# Chargement des données
Nous commençons donc par charger ces données:
```{r}
data = read.csv("shuttle.csv",header=T)
data
```
Le jeu de données nous indique la date de l'essai, le nombre de joints
toriques mesurés (il y en a 6 sur le lançeur principal), la
température (en Farenheit) et la pression (en psi), et enfin le
nombre de dysfonctionnements relevés.
# Inspection graphique des données
Les vols où aucun incident n'est relevé n'apportant aucun information
sur l'influence de la température ou de la pression sur les
dysfonctionnements, nous nous concentrons sur les expériences où au
moins un joint a été défectueux.
```{r }
dataShuttle <- read.csv("shuttle.csv",header=T)
summary(dataShuttle)
```{r}
data = data[data$Malfunction>0,]
data
```
### Vols où il y a eu des pb
```{r }
pb <- dataShuttle[dataShuttle$Malfunction>0,]
pb
Très bien, nous avons une variabilité de température importante mais
la pression est quasiment toujours égale à 200, ce qui devrait
simplifier l'analyse.
Comment la fréquence d'échecs varie-t-elle avec la température ?
```{r}
plot(data=data, Malfunction/Count ~ Temperature, ylim=c(0,1))
```
À première vue, ce n'est pas flagrant mais bon, essayons quand même
d'estimer l'impact de la température $t$ sur la probabilité de
dysfonctionnements d'un joint.
# Estimation de l'influence de la température
Supposons que chacun des 6 joints toriques est endommagé avec la même
probabilité et indépendamment des autres et que cette probabilité ne
dépend que de la température. Si on note $p(t)$ cette probabilité, le
nombre de joints $D$ dysfonctionnant lorsque l'on effectue le vol à
température $t$ suit une loi binomiale de paramètre $n=6$ et
$p=p(t)$. Pour relier $p(t)$ à $t$, on va donc effectuer une
régression logistique.
### Lien entre pb et température
```{r }
plot(data=pb, pb$Malfunction/Count ~ pb$Temperature, ylim=c(0,1))
```
```{r}
logistic_reg = glm(data=data, Malfunction/Count ~ Temperature, weights=Count,
### Régression logistique
```{r }
logistic_reg = glm(data=pb, Malfunction/Count ~ Temperature, weights=Count,
family=binomial(link='logit'))
summary(logistic_reg)
```
L'estimateur le plus probable du paramètre de température est 0.001416
et l'erreur standard de cet estimateur est de 0.049, autrement dit on
ne peut pas distinguer d'impact particulier et il faut prendre nos
estimations avec des pincettes.
# Estimation de la probabilité de dysfonctionnant des joints toriques
La température prévue le jour du décollage est de 31°F. Essayons
d'estimer la probabilité de dysfonctionnement des joints toriques à
cette température à partir du modèle que nous venons de construire:
```{r}
# shuttle=shuttle[shuttle$r!=0,]
tempv = seq(from=30, to=90, by = .5)
rmv <- predict(logistic_reg,list(Temperature=tempv),type="response")
plot(tempv,rmv,type="l",ylim=c(0,1))
points(data=data, Malfunction/Count ~ Temperature)
```
Comme on pouvait s'attendre au vu des données initiales, la
température n'a pas d'impact notable sur la probabilité d'échec des
joints toriques. Elle sera d'environ 0.2, comme dans les essais
précédents où nous il y a eu défaillance d'au moins un joint. Revenons
à l'ensemble des données initiales pour estimer la probabilité de
défaillance d'un joint:
```{r}
data_full = read.csv("shuttle.csv",header=T)
sum(data_full$Malfunction)/sum(data_full$Count)
```
Cette probabilité est donc d'environ $p=0.065$, sachant qu'il existe
un joint primaire un joint secondaire sur chacune des trois parties du
lançeur, la probabilité de défaillance des deux joints d'un lançeur
est de $p^2 \approx 0.00425$. La probabilité de défaillance d'un des
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
lieu demain comme prévu.
Seulement, le lendemain, la navette Challenger explosera et emportera
avec elle ses sept membres d'équipages. L'opinion publique est
fortement touchée et lors de l'enquête qui suivra, la fiabilité des
joints toriques sera directement mise en cause. Au delà des problèmes
de communication interne à la NASA qui sont pour beaucoup dans ce
fiasco, l'analyse précédente comporte (au moins) un petit
problème... Saurez-vous le trouver ? Vous êtes libre de modifier cette
analyse et de regarder ce jeu de données sous tous les angles afin
d'expliquer ce qui ne va pas.
```
\ No newline at end of file
module3/exo3/ConcentrationCO2.Rmd 0 → 100644
View file @ ecd554d7
---
title: "Concentration de CO2 dans l'atmosphère depuis 1958"
author: "Hélène Raynal"
date: "21 avril 2020"
output: html_document
---
### Sujet
En 1958, Charles David Keeling a initié une mesure de la concentration de CO2 dans l'atmosphère à l'observatoire de Mauna Loa, Hawaii, États-Unis qui continue jusqu'à aujourd'hui. L'objectif initial était d'étudier la variation saisonnière, mais l'intérêt s'est déplacé plus tard vers l'étude de la tendance croissante dans le contexte du changement climatique. En honneur à Keeling, ce jeu de données est souvent appelé "Keeling Curve" (voir (https://en.wikipedia.org/wiki/Keeling_Curve) pour l'histoire et l'importance de ces données).
Les données sont disponibles sur le site Web de l'institut Scripps. Utilisez le fichier avec les observations hebdomadaires. Attention, ce fichier est mis à jour régulièrement avec de nouvelles observations. Notez donc bien la date du téléchargement, et gardez une copie locale de la version précise que vous analysez. Faites aussi attention aux données manquantes.
### Pré-requis
Traitement de suites chronologiques
Quelques références:
- [caschrono: Séries Temporelles Avec R] (https://cran.r-project.org/web/packages/caschrono/) - Yves Aragon - Université Toulouse Capitole - 28 janvier 2019
### Create dataframe and load R libraries required for the different statistical treatments
The data file below contains 10 columns.
- Columns 1-4 give the dates in several redundant formats.
- Column 5 below gives monthly Mauna Loa CO2 concentrations in micro-mol CO2 per mole (ppm), reported on the 2008A SIO manometric mole fraction scale. This is thestandard version of the data most often sought. The monthly values have been adjusted to 24:00 hours on the 15th of each month.
- Column 6 gives the same data after a seasonal adjustment to remove the quasi-regular seasonal cycle. The adjustment involves subtracting from the data a 4-harmonic fit with a linear gain factor.
- Column 7 is a smoothed version of the data generated from a stiff cubic spline function plus 4-harmonic functions with linear gain.
- Column 8 is the same smoothed version with the seasonal cycle removed.
- Column 9 is identical to Column 5 except that the missing values from Column 5 have been filled with values from Column 7.
- Column 10 is identical to Column 6 except missing values have been filled with values from Column 8.
Missing values are denoted by -99.99
CO2 concentrations are measured on the '08A' calibration scale
```{r }
library(tidyverse)
library(forecast)
library(lubridate)
library(car)
library(scales)
library(patchwork)
library(kableExtra)
dataCO2 <- read.csv("monthly_in_situ_co2_mlo.csv", sep="," ,skip = 57)
colnames(dataCO2) <- c("Year", "Month","Date1", "Date2", "ObsCO2", "SeasAdjCO2","SplineAdjCO2", "SplineAdjCO2Trend", "ObsCO2Comp", "SeasAdjCO2Comp")
summary(dataCO2)
dataCO2$Date <- ymd(paste0(dataCO2$Year, " ", dataCO2$Month, " ", "15"))
```
** Remplacement dans la série des valeurs observées, des valeurs manquantes -99.99 par celles qui sont interpolées
** on enlève ensuite les observations manquantes
```{r }
dataCO2 <- dataCO2[dataCO2$ObsCO2Comp != "-99.99", ]
```
** Create a column Date with format YYYY MM DD
```{r }
dataCO2$Date <- ymd(paste0(dataCO2$Year, "-", dataCO2$Month, "-", "15"))
```
### Représentation des résultats
```{r }
ggplot(dataCO2,aes(Date, dataCO2$ObsCO2Comp)) +
geom_line(color='orange') +
xlab("Year, Month") +
scale_x_date(date_labels = "%Y-%m", date_breaks = "5 year") +
theme(axis.text.x = element_text(face = "bold", color = "#993333",
size = 12, angle = 45, hjust = 1)) +
ylab("CO2 Concentration (ppm)") +
scale_y_continuous() +
theme(axis.text.y = element_text(face = "bold", color = "#993333",
size = 10, hjust = 1),axis.title.y = element_text(size = 10)) +
ggtitle("Graphique 1")
```
```{r }
library(viridis)
dataCO2_by_year <- dataCO2 %>% group_by("Year")
ggplot(dataCO2_by_year, aes(dataCO2_by_year$Month,dataCO2_by_year$ObsCO2Comp )) +
geom_line(aes( group = dataCO2_by_year$Year , colour=dataCO2_by_year$Year)) +
xlab("Month")+
ylab("CO2 Concentration (ppm)") +
ggtitle("Graphique saisonnier")
```
### Modélisation
** Doc
(https://github.com/Peymankor/Data-Science_Portfolio/blob/master/Time%20Series%20Analysis-Historical%20Co2/medium_post.Rmd)
Série n'est pas stationnaire comme le montre le graphique
Série montre une saisonnalité voir graphique 2
Now, knowing the the non-statinary and seasonality of the data, it suggest to use theseasons differencing to model the data. To answer,
* How is Autocorelation function and Partial Auto corellation?
Here is the plot of ACF and PACF from the *forecast* package:
```{r}
Co2_train <- ts(dataCO2_by_year$ObsCO2Comp, start = c(1958,3), frequency = 12)
Co2_train %>% ggtsdisplay()
```
```{r}
Co2_train %>% diff(lag=12) %>% diff() %>% ggtsdisplay()
```
\ No newline at end of file
module3/exo3/monthly_in_situ_co2_mlo.csv 0 → 100644
View file @ ecd554d7
This diff is collapsed.
mooc-rr @ c82e5ab6
Subproject commit c82e5ab6c52e46b2529759495edefeed27fcae27
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