Skip to content

M
mooc-rr
Source
Select Git revision
...
Target
Select Git revision
 
Commits (11)
Hide whitespace changes
Inline Side-by-side
Showing with 96 additions and 116 deletions
module2/exo1/toy_document_fr.Rmd
View file @ dcf45c20
...@@ -4,10 +4,45 @@ author: "Arnaud Legrand" ...@@ -4,10 +4,45 @@ author: "Arnaud Legrand"
date: "25 juin 2018" date: "25 juin 2018"
output: html_document output: html_document
--- ---
```{r setup, include=FALSE}
knitr::opts_chunk$set(echo = TRUE)
``` ```
## En demandant à la lib maths ## En demandant à la lib maths
Mon ordinateur m'indique que $\pi$ vaut approximativement Mon ordinateur m'indique que $\pi$ vaut *approximativement*
```{r cars}
pi
```
## En utilisant la méthode des aiguilles de Buffon
Mais calculé avec la __méthode__ des [aiguilles de Buffon](https://fr.wikipedia.org/wiki/Aiguille_de_Buffon), on obtiendrait comme __approximation__ :
```{r}
set.seed(42)
N = 100000
x = runif(N)
theta = pi/2*runif(N)
2/(mean(x+sin(theta)>1))
```
## Avec un argument "fréquentiel" de surface
Sinon, une méthode plus simple à comprendre et ne faisant pas intervenir d'appel à la fonction sinus se base sur le fait que si $X\sim U(0,1)$ et $Y\sim U(0,1)$ alors $P[X^2+Y^2\leq 1] = \pi/4$ (voir [méthode de Monte Carlo sur Wikipedia](https://fr.wikipedia.org/wiki/M%C3%A9thode_de_Monte-Carlo#D%C3%A9termination_de_la_valeur_de_%CF%80)). Le code suivant illustre ce fait :
```{r} ```{r}
pi set.seed(42)
\ No newline at end of file N = 1000
df = data.frame(X = runif(N), Y = runif(N))
df$Accept = (df$X**2 + df$Y**2 <=1)
library(ggplot2)
ggplot(df, aes(x=X,y=Y,color=Accept)) + geom_point(alpha=.2) + coord_fixed() + theme_bw()
```
Il est alors aisé d'obtenir une approximation (pas terrible) de $\pi$ en comptant combien de fois, en moyenne, $X^2 + Y^2$ est inférieur à 1 :
```{r}
4*mean(df$Accept)
```
module2/exo2/exercice_fr.Rmd
View file @ dcf45c20
--- ```{r}
title: "Votre titre" data <- c(14.0, 7.6, 11.2, 12.8, 12.5, 9.9, 14.9, 9.4, 16.9, 10.2, 14.9, 18.1, 7.3, 9.8, 10.9, 12.2, 9.9, 2.9, 2.8, 15.4, 15.7, 9.7, 13.1, 13.2, 12.3, 11.7, 16.0, 12.4, 17.9, 12.2, 16.2, 18.7, 8.9, 11.9, 12.1, 14.6, 12.1, 4.7, 3.9, 16.9, 16.8, 11.3, 14.4, 15.7, 14.0, 13.6, 18.0, 13.6, 19.9, 13.7, 17.0, 20.5, 9.9, 12.5, 13.2, 16.1, 13.5, 6.3, 6.4, 17.6, 19.1, 12.8, 15.5, 16.3, 15.2, 14.6, 19.1, 14.4, 21.4, 15.1, 19.6, 21.7, 11.3, 15.0, 14.3, 16.8, 14.0, 6.8, 8.2, 19.9, 20.4, 14.6, 16.4, 18.7, 16.8, 15.8, 20.4, 15.8, 22.4, 16.2, 20.3, 23.4, 12.1, 15.5, 15.4, 18.4, 15.7, 10.2, 8.9, 21.0)
author: "Votre nom"
date: "La date du jour" mean(data)
output: html_document min(data)
--- max(data)
median(data)
sd(data)
```{r setup, include=FALSE} ```
knitr::opts_chunk$set(echo = TRUE) \ No newline at end of file
```
## Quelques explications
Ceci est un document R markdown que vous pouvez aisément exporter au format HTML, PDF, et MS Word. Pour plus de détails sur R Markdown consultez <http://rmarkdown.rstudio.com>.
Lorsque vous cliquerez sur le bouton **Knit** ce document sera compilé afin de ré-exécuter le code R et d'inclure les résultats dans un document final. Comme nous vous l'avons montré dans la vidéo, on inclue du code R de la façon suivante:
```{r cars}
summary(cars)
```
Et on peut aussi aisément inclure des figures. Par exemple:
```{r pressure, echo=FALSE}
plot(pressure)
```
Vous remarquerez le paramètre `echo = FALSE` qui indique que le code ne doit pas apparaître dans la version finale du document. Nous vous recommandons dans le cadre de ce MOOC de ne pas utiliser ce paramètre car l'objectif est que vos analyses de données soient parfaitement transparentes pour être reproductibles.
Comme les résultats ne sont pas stockés dans les fichiers Rmd, pour faciliter la relecture de vos analyses par d'autres personnes, vous aurez donc intérêt à générer un HTML ou un PDF et à le commiter.
Maintenant, à vous de jouer! Vous pouvez effacer toutes ces informations et les remplacer par votre document computationnel.
module2/exo3/exercice_fr.Rmd
View file @ dcf45c20
--- ```{r}
title: "Votre titre" data <- c(14.0, 7.6, 11.2, 12.8, 12.5, 9.9, 14.9, 9.4, 16.9, 10.2, 14.9, 18.1, 7.3, 9.8, 10.9, 12.2, 9.9, 2.9, 2.8, 15.4, 15.7, 9.7, 13.1, 13.2, 12.3, 11.7, 16.0, 12.4, 17.9, 12.2, 16.2, 18.7, 8.9, 11.9, 12.1, 14.6, 12.1, 4.7, 3.9, 16.9, 16.8, 11.3, 14.4, 15.7, 14.0, 13.6, 18.0, 13.6, 19.9, 13.7, 17.0, 20.5, 9.9, 12.5, 13.2, 16.1, 13.5, 6.3, 6.4, 17.6, 19.1, 12.8, 15.5, 16.3, 15.2, 14.6, 19.1, 14.4, 21.4, 15.1, 19.6, 21.7, 11.3, 15.0, 14.3, 16.8, 14.0, 6.8, 8.2, 19.9, 20.4, 14.6, 16.4, 18.7, 16.8, 15.8, 20.4, 15.8, 22.4, 16.2, 20.3, 23.4, 12.1, 15.5, 15.4, 18.4, 15.7, 10.2, 8.9, 21.0)
author: "Votre nom"
date: "La date du jour"
output: html_document
---
plot(data, type="l", col="blue", xlab="", ylab="", main="Sequence Plot")
```{r setup, include=FALSE} hist(data, col="blue", xlab="", ylab="", main="Histogram")
knitr::opts_chunk$set(echo = TRUE) ```
``` \ No newline at end of file
## Quelques explications
Ceci est un document R markdown que vous pouvez aisément exporter au format HTML, PDF, et MS Word. Pour plus de détails sur R Markdown consultez <http://rmarkdown.rstudio.com>.
Lorsque vous cliquerez sur le bouton **Knit** ce document sera compilé afin de ré-exécuter le code R et d'inclure les résultats dans un document final. Comme nous vous l'avons montré dans la vidéo, on inclue du code R de la façon suivante:
```{r cars}
summary(cars)
```
Et on peut aussi aisément inclure des figures. Par exemple:
```{r pressure, echo=FALSE}
plot(pressure)
```
Vous remarquerez le paramètre `echo = FALSE` qui indique que le code ne doit pas apparaître dans la version finale du document. Nous vous recommandons dans le cadre de ce MOOC de ne pas utiliser ce paramètre car l'objectif est que vos analyses de données soient parfaitement transparentes pour être reproductibles.
Comme les résultats ne sont pas stockés dans les fichiers Rmd, pour faciliter la relecture de vos analyses par d'autres personnes, vous aurez donc intérêt à générer un HTML ou un PDF et à le commiter.
Maintenant, à vous de jouer! Vous pouvez effacer toutes ces informations et les remplacer par votre document computationnel.
module2/exo4/exercice_fr.Rmd
View file @ dcf45c20
--- ---
title: "Votre titre" title: "Mon Journal de Bord"
author: "Votre nom" author: "HYC"
date: "La date du jour" date: "2026"
output: html_document output: html_document
--- ---
```{r}
# 1. Importation des données
donnees <- data.frame(
Jour = 1:10,
Valeur = c(12, 15, 14, 18, 11, 16, 15, 19, 22, 17)
)
```{r setup, include=FALSE} # 2. Statistiques de base
knitr::opts_chunk$set(echo = TRUE) mean(donnees$Valeur)
``` summary(donnees$Valeur)
## Quelques explications # 3. Représentation graphique
plot(donnees$Jour, donnees$Valeur, type="o", col="blue", xlab="Jour", ylab="Valeur")
Ceci est un document R markdown que vous pouvez aisément exporter au format HTML, PDF, et MS Word. Pour plus de détails sur R Markdown consultez <http://rmarkdown.rstudio.com>. \ No newline at end of file
Lorsque vous cliquerez sur le bouton **Knit** ce document sera compilé afin de ré-exécuter le code R et d'inclure les résultats dans un document final. Comme nous vous l'avons montré dans la vidéo, on inclue du code R de la façon suivante:
```{r cars}
summary(cars)
```
Et on peut aussi aisément inclure des figures. Par exemple:
```{r pressure, echo=FALSE}
plot(pressure)
```
Vous remarquerez le paramètre `echo = FALSE` qui indique que le code ne doit pas apparaître dans la version finale du document. Nous vous recommandons dans le cadre de ce MOOC de ne pas utiliser ce paramètre car l'objectif est que vos analyses de données soient parfaitement transparentes pour être reproductibles.
Comme les résultats ne sont pas stockés dans les fichiers Rmd, pour faciliter la relecture de vos analyses par d'autres personnes, vous aurez donc intérêt à générer un HTML ou un PDF et à le commiter.
Maintenant, à vous de jouer! Vous pouvez effacer toutes ces informations et les remplacer par votre document computationnel.
module3/exo1/analyse-syndrome-grippal.Rmd
View file @ dcf45c20
...@@ -44,7 +44,13 @@ Voici l'explication des colonnes donnée sur le [sur le site d'origine](https:// ...@@ -44,7 +44,13 @@ Voici l'explication des colonnes donnée sur le [sur le site d'origine](https://
La première ligne du fichier CSV est un commentaire, que nous ignorons en précisant `skip=1`. La première ligne du fichier CSV est un commentaire, que nous ignorons en précisant `skip=1`.
### Téléchargement ### Téléchargement
```{r} ```{r}
data = read.csv(data_url, skip=1) local_file = "incidence-PAY-3.csv"
if (!file.exists(local_file)) {
download.file(url = data_url, destfile = local_file, method = "auto")
}
data = read.csv(local_file, skip=1)
``` ```
Regardons ce que nous avons obtenu: Regardons ce que nous avons obtenu:
......
module3/exo2/exercice_fr.Rmd
View file @ dcf45c20
--- ---
title: "Votre titre" title: "Analyse de la varicelle"
author: "Votre nom"
date: "La date du jour"
output: html_document output: html_document
--- ---
```{r}
```{r setup, include=FALSE}
knitr::opts_chunk$set(echo = TRUE) knitr::opts_chunk$set(echo = TRUE)
``` local_file = "varicelle.csv"
## Quelques explications
Ceci est un document R markdown que vous pouvez aisément exporter au format HTML, PDF, et MS Word. Pour plus de détails sur R Markdown consultez <http://rmarkdown.rstudio.com>.
Lorsque vous cliquerez sur le bouton **Knit** ce document sera compilé afin de ré-exécuter le code R et d'inclure les résultats dans un document final. Comme nous vous l'avons montré dans la vidéo, on inclue du code R de la façon suivante: data = read.csv(local_file, skip=1, na.strings=c("-"))
```{r cars} library(parsedate)
summary(cars) convert_week = function(w) {
``` ws = paste(w)
iso = paste0(substring(ws, 1, 4), "-W", substring(ws, 5, 6))
as.character(parse_iso_8601(iso))
}
Et on peut aussi aisément inclure des figures. Par exemple: data$date = as.Date(convert_week(data$week))
data = data[order(data$date),]
```{r pressure, echo=FALSE} pic_annuel = function(annee) {
plot(pressure) debut = paste0(annee-1,"-09-01")
``` fin = paste0(annee,"-09-01")
semaines = data$date > debut & data$date <= fin
sum(data$inc[semaines], na.rm=TRUE)
}
Vous remarquerez le paramètre `echo = FALSE` qui indique que le code ne doit pas apparaître dans la version finale du document. Nous vous recommandons dans le cadre de ce MOOC de ne pas utiliser ce paramètre car l'objectif est que vos analyses de données soient parfaitement transparentes pour être reproductibles. annees = 1992:2025
inc_annuelle = data.frame(annee = annees, incidence = sapply(annees, pic_annuel))
Comme les résultats ne sont pas stockés dans les fichiers Rmd, pour faciliter la relecture de vos analyses par d'autres personnes, vous aurez donc intérêt à générer un HTML ou un PDF et à le commiter. print("--- Epidémie la plus FORTE ---")
head(inc_annuelle[order(-inc_annuelle$incidence),])
Maintenant, à vous de jouer! Vous pouvez effacer toutes ces informations et les remplacer par votre document computationnel. print("--- Epidémie la plus FAIBLE ---")
head(inc_annuelle[order(inc_annuelle$incidence),])
\ No newline at end of file