Update vivien exercice_fr.Rmd

module3/exo3/exercice_fr.Rmd

 ---
-title: "Votre titre"
-author: "Votre nom"
-date: "La date du jour"
-output: html_document
+title: "Exercice_pairs_Sujet_4"
+author: "Vivien Gaujoux"
+date: "4/20/2020"
+output:
+  pdf_document: default
+  html_document: default
 ---
 
-
 ```{r setup, include=FALSE}
 knitr::opts_chunk$set(echo = TRUE)
 ```
+# Exercice évalué par les pairs
+
+## Importation et tri des données
+```{r}
+library(tidyverse)
+```
+
+```{r}
+liglab2 <- read_table("http://mescal.imag.fr/membres/arnaud.legrand/teaching/2014/RICM4_EP_ping/liglab2.log.gz", col_names = FALSE)
+liglab2
+```
+
+```{r}
+names(liglab2)[names(liglab2) == "X1"] <- "date"
+liglab2<-separate(liglab2, X2, sep = " ", extra = "merge",
+into = c("taille", "a_virer"))
+liglab2<-separate(liglab2, a_virer, sep = "time=", extra = "merge",
+into = c("a_virer", "time"))
+liglab2$a_virer <- NULL
+```
+```{r}
+
+liglab2$time = substr(liglab2$time,1,nchar(liglab2$time)-3)
+liglab2$date = substr(liglab2$date,2,nchar(liglab2$date)-1)
+liglab2$time <- as.numeric(as.character(liglab2$time))
+liglab2$taille <- as.numeric(as.character(liglab2$taille))
+lignes_na = apply(liglab2, 1, function(x) any(is.na(x)))
+
+```
+
+
+
+```{r}
+lignes_na = apply(liglab2, 1, function(x) any(is.na(x)))
+liglab2[lignes_na,]
+liglab2 <- liglab2 %>% drop_na("time")
+liglab2
+```
 
-## Quelques explications
+## 1) Représentation graphique :
+```{r}
+ggplot(liglab2) +
+geom_point(aes(x = date, y = time, color = taille)) +
+scale_color_gradient(low = 'gray', high = 'gray0')
+```
+Il semble que la taille des messages ne soit pas la seule en cause dans le temps de transmission.
 
-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>.
+## 2) Représentation graphique : temps de transmission en fonction de la taille des messages
 
-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}
+with(liglab2, plot(taille, time, type = "p"))
 
-```{r cars}
-summary(cars)
 ```
+On peut voir la rupture à partir de 1500 octets environ.
 
-Et on peut aussi aisément inclure des figures. Par exemple:
+```{r}
+donnees_low <- subset(liglab2, taille <= 1500)
+donnees_high <-subset(liglab2, taille > 1500)
+donnees_high
+```
 
-```{r pressure, echo=FALSE}
-plot(pressure)
+## 3) Régression linéaire : 
+```{r}
+high_time.lm <- lm(time~taille, data = donnees_high)
+summary(high_time.lm)
+```
+```{r}
+plot(high_time.lm)
 ```
+```{r}
+low_time.lm <- lm(time~taille, data = donnees_low)
+summary(low_time.lm)
+
+```
+```{r}
+plot(low_time.lm)
+```
+
+La valeur $\alpha$\ et donc la latence des données de taille élevée est de 4.920748 et la valeur $\beta$\ est de 0.002779.
+La valeur $\alpha$\ et donc la latence des données de taille basse est de 3.124 et la valeur $\beta$\ est de 0.0006248.
+
+Ces valeurs indiquent une capacité respectivement de 1/0.002779 et 1/0.0006248, soit 359.84 pour les données de taille élevée et 1600.051 pour les données de taille basse.
 
-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.