Update exo5_fr.Rmd

module2/exo5/exo5_fr.Rmd

@@ -29,22 +29,55 @@ Nous commençons donc par charger ces données:
 data = read.csv("shuttle.csv",header=T)
 data
 ```
-
+```{r}
+# =========================
+# Correction de l'analyse
+# =========================
+
+# ERREUR HISTORIQUE :
+# Les analyses initiales filtraient les vols avec Malfunction > 0,
+# supprimant ainsi les vols sans incident (zéros), ce qui biaise
+# totalement l'estimation d'une probabilité.
+# On conserve donc TOUS les vols.
+
+# Création d'une variable binaire correcte :
+# 1 = au moins un joint défaillant, 0 = aucun incident
+data$incident <- as.integer(data$Malfunction > 0)
+
+# Visualisation correcte : tous les vols
+plot(data$Temperature, data$incident, pch = 19,
+     xlab = "Température (°F)",
+     ylab = "Incident (0/1)",
+     main = "Risque de défaillance vs température (tous les vols)")
+
+# Régression logistique correcte
+fit_incident <- glm(incident ~ Temperature, data = data, family = binomial())
+summary(fit_incident)
+
+# Courbe de probabilité estimée
+tgrid <- data.frame(Temperature = seq(min(data$Temperature),
+                                      max(data$Temperature),
+                                      length.out = 200))
+tgrid$p <- predict(fit_incident, newdata = tgrid, type = "response")
+
+plot(data$Temperature, data$incident, pch = 19,
+     xlab = "Température (°F)",
+     ylab = "Incident (0/1)",
+     main = "Probabilité estimée d'incident selon la température")
+lines(tgrid$Temperature, tgrid$p, lwd = 2)
+
+     
 Le jeu de données nous indique la date de l'essai, le nombre de joints
 toriques mesurés (il y en a 6 sur le lançeur principal), la
 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
-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.
+Les sans incident (Malfunction = 0) sont essentiels : ils indiquent à quelles 
+températures *aucun* problème n’est observé. Les exclure biaise l’analyse et
+conduit à sous-estimer le risque aux basses températures.
+
 
-```{r}
-data = data[data$Malfunction>0,]
-data
-```
 
 Très bien, nous avons une variabilité de température importante mais
 la pression est quasiment toujours égale à 200, ce qui devrait