Lecture des données, nettoyage, traitements et visualisations

module2/exo5/exo5_fr.ipynb

@@ -61,7 +61,7 @@
   },
   {
    "cell_type": "code",
-   "execution_count": 2,
+   "execution_count": 3,
    "metadata": {},
    "outputs": [
     {
@@ -177,7 +177,7 @@
        "22   1/12/86      6           58       200            1  14.444444"
       ]
      },
-     "execution_count": 2,
+     "execution_count": 3,
      "metadata": {},
      "output_type": "execute_result"
     }
@@ -205,7 +205,7 @@
   },
   {
    "cell_type": "code",
-   "execution_count": 3,
+   "execution_count": 4,
    "metadata": {},
    "outputs": [
     {
@@ -253,13 +253,13 @@
   },
   {
    "cell_type": "code",
-   "execution_count": 4,
+   "execution_count": 5,
    "metadata": {},
    "outputs": [],
    "source": [
     "# GW: Cherry picking! Laisse (trop) peu d'observations pour bien déterminer la relation. Je commente.\n",
-    "#data = data[data.Malfunction>0]\n",
-    "#data"
+    "# data = data[data.Malfunction>0]\n",
+    "# data"
    ]
   },
   {
@@ -275,7 +275,7 @@
   },
   {
    "cell_type": "code",
-   "execution_count": 5,
+   "execution_count": 6,
    "metadata": {},
    "outputs": [
     {
@@ -328,7 +328,7 @@
   },
   {
    "cell_type": "code",
-   "execution_count": 6,
+   "execution_count": 7,
    "metadata": {},
    "outputs": [
     {
@@ -355,7 +355,7 @@
        "  <th>Date:</th>           <td>Fri, 07 Aug 2026</td> <th>  Deviance:          </th> <td>  18.086</td> \n",
        "</tr>\n",
        "<tr>\n",
-       "  <th>Time:</th>               <td>09:10:10</td>     <th>  Pearson chi2:      </th>  <td>  30.0</td>  \n",
+       "  <th>Time:</th>               <td>09:24:01</td>     <th>  Pearson chi2:      </th>  <td>  30.0</td>  \n",
        "</tr>\n",
        "<tr>\n",
        "  <th>No. Iterations:</th>         <td>6</td>        <th>  Covariance Type:   </th> <td>nonrobust</td>\n",
@@ -384,7 +384,7 @@
        "Link Function:                  logit   Scale:                          1.0000\n",
        "Method:                          IRLS   Log-Likelihood:                -23.526\n",
        "Date:                Fri, 07 Aug 2026   Deviance:                       18.086\n",
-       "Time:                        09:10:10   Pearson chi2:                     30.0\n",
+       "Time:                        09:24:01   Pearson chi2:                     30.0\n",
        "No. Iterations:                     6   Covariance Type:             nonrobust\n",
        "===============================================================================\n",
        "                  coef    std err          z      P>|z|      [0.025      0.975]\n",
@@ -395,7 +395,7 @@
        "\"\"\""
       ]
      },
-     "execution_count": 6,
+     "execution_count": 7,
      "metadata": {},
      "output_type": "execute_result"
     }
@@ -434,7 +434,7 @@
   },
   {
    "cell_type": "code",
-   "execution_count": 7,
+   "execution_count": 8,
    "metadata": {},
    "outputs": [
     {
@@ -468,7 +468,7 @@
   },
   {
    "cell_type": "code",
-   "execution_count": 8,
+   "execution_count": 9,
    "metadata": {},
    "outputs": [
     {
@@ -509,6 +509,16 @@
     "plt.show()\n"
    ]
   },
+  {
+   "cell_type": "markdown",
+   "metadata": {},
+   "source": [
+    "#### Mon analyse (GW):\n",
+    "- Il n'est pas raisonnable d'extrapoler, autrement dit, ici de tirer une conclusion en n'ayant aucune donnée pour des températures aussi basses.\n",
+    "- Il faut absolument examiner les incertitudes sur les prédictions (cf. figure ci-dessus)\n",
+    "- Enfin, il ne faut écarter des données (_cherry picking_) à moins d'avoir de bonnes raisons (e.g., __outliers__) car la relation sera plus robuste si l'ensemble des données sont mobilisées pour établir la relation de causalité (cf. figure précédente)."
+   ]
+  },
   {
    "cell_type": "markdown",
    "metadata": {
@@ -517,27 +527,19 @@
     "scrolled": true
    },
    "source": [
-    "~~Comme on pouvait s'attendre au vu des données initiales, la\n",
+    "Comme on pouvait s'attendre au vu des données initiales, la\n",
     "température n'a pas d'impact notable sur la probabilité d'échec des\n",
     "joints toriques. Elle sera d'environ 0.2, comme dans les essais\n",
-    "précédents où il y a eu défaillance d'au moins un joint.~~ Revenons\n",
+    "précédents où il y a eu défaillance d'au moins un joint. Revenons\n",
     "à l'ensemble des données initiales pour estimer la probabilité de\n",
     "défaillance d'un joint:\n"
    ]
   },
   {
    "cell_type": "code",
-   "execution_count": 9,
+   "execution_count": null,
    "metadata": {},
-   "outputs": [
-    {
-     "name": "stdout",
-     "output_type": "stream",
-     "text": [
-      "0.06521739130434782\n"
-     ]
-    }
-   ],
+   "outputs": [],
    "source": [
     "data = pd.read_csv(\"shuttle.csv\")\n",
     "print(np.sum(data.Malfunction)/np.sum(data.Count))"