module2/exo1/Untitled.ipynb

+{
+ "cells": [],
+ "metadata": {},
+ "nbformat": 4,
+ "nbformat_minor": 4
+}

module2/exo1/Untitled1.ipynb

+{
+ "cells": [],
+ "metadata": {},
+ "nbformat": 4,
+ "nbformat_minor": 4
+}

module2/exo1/toy_document_fr.Rmd

 ---
-title: "Votre titre"
-author: "Votre nom"
-date: "La date du jour"
+title: "A propos du calcul de Pi"
+author: "mamane I. L."
+date: "13 Mai 2020r"
 output: html_document
 ---
 
 
 ```{r setup, include=FALSE}
-knitr::opts_chunk$set(echo = TRUE)
+
 ```
    
-## Quelques explications
+# En demandant à R
+
+*Mon ordinateur m’indique que π vaut approximativement*
 
-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>.
+```{r }
+pi
+```
 
-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:
+# En utilisant la méthode des aiguille de Buffon
+a
+Mais calculé avec la **méthode** des [Aiguille_de_Buffona](https://fr.wikipedia.org/wiki/Aiguille_de_Buffon]) , on obtiendrait comme **approximation** :
 
-```{r cars}
-summary(cars)
+```{r}
+set.seed(42)
+N = 100000
+x = runif(N)
+theta = pi/2*runif(N)
+2/(mean(x+sin(theta)>1))
 ```
 
-Et on peut aussi aisément inclure des figures. Par exemple:
+# 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]=π/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 pressure, echo=FALSE}
-plot(pressure)
+```{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()
 ```
 
-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.
 
-Maintenant, à vous de jouer! Vous pouvez effacer toutes ces informations et les remplacer par votre document computationnel.
+Il est alors aisé d’obtenir une approximation (pas terrible) de π en comptant combien de fois, en moyenne,**X2** **+** **Y2** est inférieur à 1:
+
+```{r}
+4*mean(df$Accept)
+```
+
+

module2/exo2/exercice_fr.Rmd

 ---
-title: "Votre titre"
-author: "Votre nom"
-date: "La date du jour"
+title: " Apprenant"
+author: " Malam Mamane I. L."
+date: " Jeudi le 21 Mai 2020"
 output: html_document
 ---
 
 
 ```{r setup, include=FALSE}
-knitr::opts_chunk$set(echo = TRUE)
-```
+x<-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)
 
-## 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>.
+## calculs des valeurs
 
-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}
+mean<-round(mean(x),2)
+mean
+```
 
-```{r cars}
-summary(cars)
+```{r minimum}
+minimum<-round(min(x),2)
+minimum
 ```
 
-Et on peut aussi aisément inclure des figures. Par exemple:
 
-```{r pressure, echo=FALSE}
-plot(pressure)
+```{r maximum}
+maximum<-round(max(x),2)
+maximum
 ```
 
-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. 
+```{r valeur_mediane}
+mediane<-round(median(x),2)
+mediane
+```
 
-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 Ecart_type}
+ecart_type<-round(sd(x),2)
+ecart_type
+```
 
-Maintenant, à vous de jouer! Vous pouvez effacer toutes ces informations et les remplacer par votre document computationnel.

module2/exo3/exercice_fr.Rmd

 ---
-title: "Votre titre"
-author: "Votre nom"
-date: "La date du jour"
-output: html_document
+title: "Apprenant"
+author: "MalamMamane I. L."
+date: "Vendredi, le 22 Mai 2020"
+output:
+  html_document: default
+  pdf_document: default
 ---
+# Données utilisées pour réaliser les grahiques
 
-
-```{r setup, include=FALSE}
-knitr::opts_chunk$set(echo = TRUE)
+```{r }
+x<-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)
+x
 ```
 
-## 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>.
 
-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:
+## Représentation graphique sous forme de courbe
 
-```{r cars}
-summary(cars)
+```{r echo=TRUE}
+plot(x, type="l") 
+lines(x, col="blue") 
+grid(equilogs=TRUE)
 ```
 
-Et on peut aussi aisément inclure des figures. Par exemple:
+## Histogramme
 
-```{r pressure, echo=FALSE}
-plot(pressure)
+```{r echo=TRUE}
+hist(x, main=" ", xlab=" ", ylab=" ",xlim=c(0,25), ylim=c(0,25), col="blue")
+grid(equilogs=TRUE)
+box()
 ```
 
-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.
 
-Maintenant, à vous de jouer! Vous pouvez effacer toutes ces informations et les remplacer par votre document computationnel.

module3/exo1/analyse-syndrome-grippal.Rmd

 ---
 title: "Analyse de l'incidence du syndrôme grippal"
-author: "Konrad Hinsen"
+author: " Malam Mamane I. L. "
 output:
   pdf_document:
     toc: true
@@ -21,9 +21,15 @@ knitr::opts_chunk$set(echo = TRUE)
 
 ## Préparation des données
 
-Les données de l'incidence du syndrome grippal sont disponibles du site Web du [Réseau Sentinelles](http://www.sentiweb.fr/). Nous les récupérons sous forme d'un fichier en format CSV dont chaque ligne correspond à une semaine de la période demandée. Nous téléchargeons toujours le jeu de données complet, qui commence en 1984 et se termine avec une semaine récente. L'URL est:
+Les données de l'incidenc du syndrome grippal sont sont disponibles du site Web du [Réseau Sentinelles] (http://www.sentiweb.fr/). L'URL est :
 ```{r}
 data_url = "http://www.sentiweb.fr/datasets/incidence-PAY-3.csv"
+...
+
+Ces données de l'incidence du syndrome grippal sont téléchargés et disponibles au niveau local pour sauvegarder et protéger les données d'éventuelles modifications qui proviendraient du réseau de surveillance.
+
+```{r}
+data_local = read.csv("C:/incidence-PAY-3.csv")
 ```
 
 Voici l'explication des colonnes donnée sur le [sur le site d'origine](https://ns.sentiweb.fr/incidence/csv-schema-v1.json):
@@ -42,18 +48,21 @@ Voici l'explication des colonnes donnée sur le [sur le site d'origine](https://
 | `geo_name`   | Libellé de la zone géographique (ce libellé peut être modifié sans préavis)                                                       |
 
 La première ligne du fichier CSV est un commentaire, que nous ignorons en précisant `skip=1`.
-### Téléchargement
+### Lecture
+
 ```{r}
-data = read.csv(data_url, skip=1)
+data =  read.csv("C:/incidence-PAY-3.csv", skip=1)
 ```
 
 Regardons ce que nous avons obtenu:
+
 ```{r}
 head(data)
 tail(data)
 ```
 
 Y a-t-il des points manquants dans nos données ?
+
 ```{r}
 na_records = apply(data, 1, function (x) any(is.na(x)))
 data[na_records,]

mooc-rr.Rproj

+Version: 1.0
+
+RestoreWorkspace: Default
+SaveWorkspace: Default
+AlwaysSaveHistory: Default
+
+EnableCodeIndexing: Yes
+UseSpacesForTab: Yes
+NumSpacesForTab: 2
+Encoding: UTF-8
+
+RnwWeave: Sweave
+LaTeX: pdfLaTeX

readme.md

-# MOOC Recherche Reproductible / Reproducibleesearch Mooc
+# MOOC Recherche Reproductible / Reproducible research MOOC
 
 FR