Update

Exo_eval_pairs.Rmd

+---
+title: "Exercice_eval_pairs"
+author: "Vivien Gaujoux"
+date: "4/20/2020"
+output:
+  pdf_document: default
+  html_document: default
+---
+
+```{r setup, include=FALSE}
+knitr::opts_chunk$set(echo = TRUE)
+```
+
+```{r setup, include=FALSE}
+knitr::opts_chunk$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$a_virer <- NULL
+liglab2
+```
+```{r}
+
+liglab2$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)))
+liglab2[lignes_na,]
+```
+
+
+
+```{r}
+lignes_na = apply(liglab2, 1, function(x) any(is.na(x)))
+liglab2[lignes_na,]
+liglab2 <- liglab2 %>% drop_na("time")
+```
+
+## 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.
+
+## 2) Représentation graphique : temps de transmission en fonction de la taille des messages
+
+```{r}
+with(liglab2, plot(taille, time, type = "p"))
+
+```
+On peut voir la rupture à partir de 1500 octets environ.
+
+```{r}
+donnees_low <- subset(liglab2, taille <= 1500)
+donnees_high <-subset(liglab2, taille > 1500)
+donnees_high
+```
+
+## 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)
+```
+```{r}
+tinytex::install_tinytex()
+```
+
+
+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.
+
+