Practice commits

module2/exo3/exercice_fr.Rmd

@@ -27,4 +27,8 @@ plot(data, type='l', col = "blue",
 ```{r}
 hist(data, breaks = 12, col = "blue", border = "pink")
 ```
+# Exportation des données en csv
+```{r}
+write.csv(data, "C:/Users/amouzou_k/Formations/RechercheRepro_MOOC/mooc-rr/module2/exo4/data.csv", row.names=FALSE)
+```
 

module2/exo5/exo5_fr.Rmd

@@ -36,7 +36,7 @@ température (en Farenheit) et la pression (en psi), et enfin le
 nombre de dysfonctionnements relevés. 
 
 # Inspection graphique des données
-Les vols où aucun incident n'est relevé n'apportant aucun information
+Les vols où aucun incident n'est relevé n'apportant aucune information
 sur l'influence de la température ou de la pression sur les
 dysfonctionnements, nous nous concentrons sur les expériences où au
 moins un joint a été défectueux.

module3/exo1/analyse-syndrome-grippal.Rmd

@@ -26,6 +26,14 @@ Les données de l'incidence du syndrome grippal sont disponibles du site Web du
 data_url = "http://www.sentiweb.fr/datasets/incidence-PAY-3.csv"
 ```
 
+```{r}	
+data_file = "syndrome-grippal.csv"	
+if (!file.exists(data_file)) {	
+    download.file(data_url, data_file, method="auto")	
+}	
+```
+
+
 Voici l'explication des colonnes donnée sur le [sur le site d'origine](https://ns.sentiweb.fr/incidence/csv-schema-v1.json):
 
 | Nom de colonne | Libellé de colonne                                                                                                                |
@@ -42,9 +50,9 @@ 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(data_file, skip=1)
 ```
 
 Regardons ce que nous avons obtenu:
@@ -64,7 +72,13 @@ Les deux colonnes qui nous intéressent sont `week` et `inc`. Vérifions leurs c
 class(data$week)
 class(data$inc)
 ```
+
 Ce sont des entiers, tout va bien !
+Au cas où on serait en présence d'un autre type de données comme les données comme le type facteur, il faut faire :
+```{r}
+# Lire les données tout en indiquant à R de considérer les tirets par exemple comme une donnée manquante.
+# data = read.csv(data_url, skip = 1, na.strings = "-")
+```
 
 ### Conversion des numéros de semaine
 
@@ -98,6 +112,10 @@ Les points sont dans l'ordre chronologique inverse, il est donc utile de les tri
 ```{r}
 data = data[order(data$date),]
 ```
+```{r}
+head(data)
+```
+
 
 C'est l'occasion pour faire une vérification: nos dates doivent être séparées d'exactement sept jours:
 ```{r}
@@ -133,7 +151,7 @@ pic_annuel = function(annee) {
 
 Nous devons aussi faire attention aux premières et dernières années de notre jeux de données. Les données commencent en octobre 1984, ce qui ne permet pas de quantifier complètement le pic attribué à 1985. Nous l'enlevons donc de notre analyse. Par contre, pour une exécution en octobre 2018, les données se terminent après le 1er août 2018, ce qui nous permet d'inclure cette année.
 ```{r}
-annees = 1986:2018
+annees = 1986:2023
 ```
 
 Nous créons un nouveau jeu de données pour l'incidence annuelle, en applicant la fonction `pic_annuel` à chaque année: