From ee6d8123bdebd09e8a3d6adfeac40aa17dd2fbd8 Mon Sep 17 00:00:00 2001
From: 7f44fa1d418b758304544a2b0e758b76
 <7f44fa1d418b758304544a2b0e758b76@app-learninglab.inria.fr>
Date: Sun, 29 Nov 2020 23:40:38 +0000
Subject: [PATCH] Update journldebord-markdown.md

---
 journldebord-markdown.md | 68 ++++++++++++++++++++++++++++++++++++++--
 1 file changed, 66 insertions(+), 2 deletions(-)

diff --git a/journldebord-markdown.md b/journldebord-markdown.md
index 6d40aca..fbb3ce7 100644
--- a/journldebord-markdown.md
+++ b/journldebord-markdown.md
@@ -6,6 +6,7 @@
 4. ecrire un lien vrs un site internet.
 5. liste numerote et une liste non numerote.
 
+
 - Ecrire notebook :
 1. calculer pi par differentes methodes
 2. utilisant python 
@@ -15,7 +16,70 @@
 1. emporter et etudier les donnes dans le notebook.
 2. comparer les solutions.
 
+
 - Module 4 : La realite du terrain :
 1. Les inconvénients d'un document computationnel.
-2. Les platformes pour enregister les donnes, l'articles et le code.
-3. Les avantages d'un workflow.
\ No newline at end of file
+2. Les platformes pour enregister les donnees, l'articles et le code.
+3. Les avantages d'un workflow.  
+
+
+- Paradoxe de Simpson
+1. Utiliser les librairies nécessaires : Pandas, matplotlib.
+
+2. Importer les data en utilisant la fonction "read" du pandas.
+
+3. Afficher les donnees dans un tableau.
+
+4. Chercher les donnees du colonne 1 du tableau (Smoker).
+
+5. Chercher les donnees du colonne 2 du tableau (Status).
+ 
+6. - Chercher le nombre des fumeuses des donnees du colonne 1 et qui sont mort des donnees du colonne 2.
+   - Chercher le pourcentage de ce groupe : nombre des fumeuses mortes / nombre des fumeuses.
+   - Afficher ce pourcentage.
+   
+7. - Chercher le nombre des non fumeuses des donnees du colonne 1 et qui sont mort des donnees du colonne 2.
+   - Chercher le pourcentage de ce groupe : nombre des non fumeuses mortes / nombre des non fumeuses.
+   - Afficher ce pourcentage.
+   
+8. Dans cette partie le nombre des fumeuses mortes sont divisés sur des 4 catégories selon l'âge. On calcule leurs pourcentages dans les groupes ci-dessous (par exemple: pourcentage des fumeuses mortes qui ont entre 18 ans et 34 ans )et on les affiches.
+   - Groupe 1 : 18 <= âge <= 34
+   - Groupe 2 : 35 <= âge <= 54
+   - Groupe 3 : 55 <= âge <= 64
+   - Groupe 4 : 65 <= âge
+   
+9. De même, On calcule dans cette partie les pourcentages des nombre des non fumeuses morts divisés sur les 4 catégories d'âge de la même façon la partie précédente et on les affiches. ~~~i=0
+y=0
+e=0
+t=0
+u=0
+r=0
+p=0
+o=0
+for j in range(0,1314):
+    if int(data.values[j,2])>=18 & int(data.values[j,2])<=34:
+        if 'No' in data.values[j,0]:
+            y=y+1
+            if 'Dead' in data.values[j,1]:
+                i=i+1
+    if int(data.values[j,2])>=35 & int(data.values[j,2])<=54:
+        if 'No' in data.values[j,0]:
+            e=e+1
+            if 'Dead' in data.values[j,1]:
+                t=t+1
+    if int(data.values[j,2])>=55 & int(data.values[j,2])<=64:
+        if 'No' in data.values[j,0]:
+            r=r+1
+            if 'Dead' in data.values[j,1]:
+                u=u+1
+    if int(data.values[j,2])>=65:
+        if 'No' in data.values[j,0]:
+            o=o+1
+            if 'Dead' in data.values[j,1]:
+                p=p+1  In [25]:  (i/y)*100,(t/e)*100,(u/r)*100,(p/o)*100  Out [25]:  (31.420765027322407, 31.420765027322407, 31.420765027322407, 85.49222797927462)~~~
+   
+
+
+
+
+   
\ No newline at end of file
-- 
2.18.1