**7/10/2020**
- Ecrire fichier markdown :
1. ecrire en bold.
2. ecrire en italique.
3. ecrire un ligne de code.
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 
3. afficher des histogrames

- Module 3 : Analyse de l'incidence :
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 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
   
~~~ 
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  
~~~
~~~
(i/y)*100,(t/e)*100,(u/r)*100,(p/o)*100
~~~
~~~
(31.420765027322407, 31.420765027322407, 31.420765027322407, 85.49222797927462)
~~~

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.