creating file

module2/exo5/exo5_fr.Rmd

@@ -70,7 +70,7 @@ $p=p(t)$. Pour relier $p(t)$ à $t$, on va donc effectuer une
 régression logistique.
 
 ```{r}
-logistic_reg = glm(data=data, Malfunction/Count ~ Temperature, weights=Count, 
+logistic_reg = glm(data=data, Malfunction/Count ~ + Pressure, weights=Count, 
                    family=binomial(link='logit'))
 summary(logistic_reg)
 ```

module3/grippe.Rmd

+---
+title: "Analyse de l'incidence du syndrome grippal"
+author: "Jerome E. Dauvergne"
+date: "2025-04-28"
+output: html_document
+---
+
+```{r setup, include=FALSE}
+knitr::opts_chunk$set(echo = TRUE)
+```
+
+# Préparation des données
+
+Les données proviennent du réseau Sentinelle : https://www.sentiweb.fr/france/fr/?page=table
+
+Nous avons téléchargé le fichier pour la France Métropolitaine.
+
+## Téléchargement
+
+```{r}
+data_url = "https://www.sentiweb.fr/datasets/all/inc-3-PAY.csv"
+
+data = read.csv(data_url,
+                skip = 1, 
+                na.strings = c("-"))
+```
+
+Regardons les données :
+```{r}
+head(data)
+tail(data)
+```
+
+Regardons les données manquantes
+```{r}
+ligne_na <- apply(data, 1, function(x) any(is.na)))
+data[ligne_na,]
+```
+Pas de données manquantes.
+
+Toutes les variables sont des entiers exceptées geo_insee et geo_name. Par contre les dates sont au format ISO (= année et numéro de semaine).
+```{r}
+data$date <- paste0(substring(data$week, 1, 4), "-W", substring(data$week, 5, 6))
+```
+
+
+## Inspection
+Quelle allure a la courbe ?
+```{r}
+plot(data$week, data$inc, type="l", xlab="Date", ylab="Incidence hebdomadaire")
+with(head(data, 1000), plot(week, inc, type="l", xlab="Date", ylab="Incidence hebdomadaire"))
+```
+
+## Analyse