On commence par représenter l'évolution de temps de transmission au cours du temps et l'évolution de la taille des messages au cours du temps.
```{r}
ggplot(data = courte , mapping = aes(x = date , y = temps)) + geom_point() + labs(title = "temps de transmissions en fonction de la date")
ggplot(data = courte , mapping = aes(x = date , y = taille)) + geom_point() + labs(title = "taille du message en fonction de la date")
```
Il est difficile de voir si le temps de transmission est liée à la taille du message avec ces graphs.
```{r}
ggplot(data = courte , mapping = aes(x = taille , y = temps)) + geom_point() + labs(title = "temps de transmissions en fonction de la taille du message")
```
on voit une rupture vers 1480 bytes.
En dessous de cette rupture :
```{r}
ggplot(data = subset(courte , taille < 1480) , mapping = aes(x = taille , y = temps)) + geom_point() + labs(title = "temps de transmissions en fonction de la taille du message")
```
Au dessus de cette rupture :
```{r}
ggplot(data = subset(courte , taille >= 1480) , mapping = aes(x = taille , y = temps)) + geom_point() + labs(title = "temps de transmissions en fonction de la taille du message")
```
## Régression
On fait donc deux régressions : une avec les messages en dessouss de 1480 bytes et une avec les messages au dessus.
On estime L à `r dessous$coefficient[1]`, et C à `r 1/dessous$coefficient[2]`
```{r}
ggplot(data = subset(courte , taille < 1480) , mapping = aes(x = taille , y = temps)) + geom_point() + labs(title = "temps de transmissions en fonction de la taille du message") + geom_smooth(method = "lm" , col = "red")
```
## 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>.
Au dessus : \
On estime L à `r dessus$coefficient[1]`, et C à `r 1/dessus$coefficient[2]`
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}
ggplot(data = subset(courte , taille >= 1480) , mapping = aes(x = taille , y = temps)) + geom_point() + labs(title = "temps de transmissions en fonction de la taille du message") + geom_smooth(method = "lm" , col = "red")
```
Expliquer le temps d'envoi avec la taille du message ne semble pas être pertinent pour la connexion courte.
On commence par représenter l'évolution de temps de transmission au cours du temps et l'évolution de la taille des messages au cours du temps.
```{r cars}
summary(cars)
```{r}
ggplot(data = longue , mapping = aes(x = date , y = temps)) + geom_point() + labs(title = "temps de transmissions en fonction de la date")
ggplot(data = longue , mapping = aes(x = date , y = taille)) + geom_point() + labs(title = "taille du message en fonction de la date")
```
Et on peut aussi aisément inclure des figures. Par exemple:
Il est difficile de voir si le temps de transmission est liée à la taille du message avec ces graphs.
```{r pressure, echo=FALSE}
plot(pressure)
```{r}
ggplot(data = longue , mapping = aes(x = taille , y = temps)) + geom_point() + labs(title = "temps de transmissions en fonction de la taille du message")
```
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.
on voit une rupture vers 1480 bytes.
En dessous de cette rupture :
```{r}
ggplot(data = subset(longue , taille < 1480) , mapping = aes(x = taille , y = temps)) + geom_point() + labs(title = "temps de transmissions en fonction de la taille du message")
```
Au dessus de cette rupture :
```{r}
ggplot(data = subset(longue , taille >= 1480) , mapping = aes(x = taille , y = temps)) + geom_point() + labs(title = "temps de transmissions en fonction de la taille du message")
```
## Régression
On fait donc deux régressions : une avec les messages en dessouss de 1480 bytes et une avec les messages au dessus.
On estime L à `r dessous$coefficient[1]`, et C à `r 1/dessous$coefficient[2]`
```{r}
ggplot(data = subset(longue , taille < 1480) , mapping = aes(x = taille , y = temps)) + geom_point() + labs(title = "temps de transmissions en fonction de la taille du message") + geom_smooth(method = "lm" , col = "red")
```
Au dessus : \
On estime L à `r dessus$coefficient[1]`, et C à `r 1/dessus$coefficient[2]`
```{r}
ggplot(data = subset(longue , taille >= 1480) , mapping = aes(x = taille , y = temps)) + geom_point() + labs(title = "temps de transmissions en fonction de la taille du message") + geom_smooth(method = "lm" , col = "red")
```
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.
Expliquer le temps d'envoi avec la taille du message ne semble pas être pertinent pour la connexion longue.
Maintenant, à vous de jouer! Vous pouvez effacer toutes ces informations et les remplacer par votre document computationnel.
