From 1d518e1f2c378dea545834f8c9aa8c95e7c3fef3 Mon Sep 17 00:00:00 2001
From: Ana Sodan <ana.sodan@etu.univ-amu.fr>
Date: Fri, 8 May 2020 16:15:45 +0200
Subject: [PATCH] Exercice 5

---
 module2/exo5/exo5_fr.Rmd | 27 ++++++++++++++++++++++++---
 1 file changed, 24 insertions(+), 3 deletions(-)

diff --git a/module2/exo5/exo5_fr.Rmd b/module2/exo5/exo5_fr.Rmd
index 479d782..9189cdd 100644
--- a/module2/exo5/exo5_fr.Rmd
+++ b/module2/exo5/exo5_fr.Rmd
@@ -1,7 +1,7 @@
 ---
 title: "Analyse du risque de défaillance des joints toriques de la navette Challenger"
-author: "Arnaud Legrand"
-date: "28 juin 2018"
+author: "*Ana Sodan*"
+date: "8 Mai 2010"
 output: html_document
 ---
 
@@ -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 ~ Temperature, weights=Count,
                    family=binomial(link='logit'))
 summary(logistic_reg)
 ```
@@ -93,6 +93,21 @@ plot(tempv,rmv,type="l",ylim=c(0,1))
 points(data=data, Malfunction/Count ~ Temperature)
 ```
 
+```{r, echo=FALSE}
+library (ggplot2)
+
+```
+
+Si on ajoute rien que l'incertitude sur ces données nous obtenons les courbes suivantes:
+```{r}
+# shuttle=shuttle[shuttle$r!=0,] 
+#tempv = seq(from=30, to=90, by = .5)
+#rmv <- predict(logistic_reg,list(Temperature=tempv),type="response")
+#plot(tempv,rmv,type="l",ylim=c(0,1))
+#points(data=data, Malfunction/Count ~ Temperature)
+ggplot(data,aes(Temperature,Malfunction/Count))+ geom_point(alpha=.3, size=3) + geom_smooth(method="glm",method.args=list(family="binomial"),fullrange=TRUE) + xlim(30,80)
+```
+
 Comme on pouvait s'attendre au vu des données initiales, la
 température n'a pas d'impact notable sur la probabilité d'échec des
 joints toriques. Elle sera d'environ 0.2, comme dans les essais
@@ -122,3 +137,9 @@ fiasco, l'analyse précédente comporte (au moins) un petit
 problème... Saurez-vous le trouver ? Vous êtes libre de modifier cette
 analyse et de regarder ce jeu de données sous tous les angles afin
 d'expliquer ce qui ne va pas.
+
+De plus, si on considère toutes les valeurs voici les graphiques de probabilités que nous obtiendrons:
+```{r}
+ggplot(data_full,aes(Temperature,Malfunction/Count))+ geom_point(alpha=.3, size=3) + geom_smooth(method="glm",method.args=list(family="binomial"),fullrange=TRUE) + xlim(30,80)
+```
+
-- 
2.18.1