---
title: "MOOC Recherche reproductible - Latence et de la capacité d’une connexion"
author: "Clément Bienvenu"
date: "23/02/2022"
output: 
  word_document:
    toc: true
---

```{r setup, include=FALSE}
knitr::opts_chunk$set(echo = TRUE , warning = FALSE , fig.height = 3 )
library(stringr)
library(dplyr)
library(ggplot2)
```

```{r , eval = FALSE , echo = FALSE}
setwd("D:/Cesure/MOOC/RR")

# Téléchargement des données
temp <- tempfile(pattern = "liglab2" , tmpdir = "D:\\Cesure\\MOOC\\RR")
download.file("http://mescal.imag.fr/membres/arnaud.legrand/teaching/2014/RICM4_EP_ping/liglab2.log.gz" , temp)
courte <- read.table(gzfile(temp) , header = T , sep = " " , dec = "." , fill = T)
unlink(temp)

temp <- tempfile(pattern = "liglab2" , tmpdir = "D:\\Cesure\\MOOC\\RR")
download.file("http://mescal.imag.fr/membres/arnaud.legrand/teaching/2014/RICM4_EP_ping/liglab2.log.gz" , temp)
longue <- read.table(gzfile(temp) , header = T , sep = " " , dec = "." , fill = T)
unlink(temp)


# On enlève les colonnes inutiles
courte <- courte[,-c(3:8,10)]
longue <- longue[,-c(3:8,10)]

# On renomme les colonne avec des noms explicites
names(courte) <- c("date","taille","temps")
names(longue) <- c("date","taille","temps")

# On transforme tout en chiffres
courte$date <- str_sub(courte$date , start = 2 , end = -2)
longue$date <- str_sub(longue$date , start = 2 , end = -2)

courte$temps <- str_sub(courte$temps, start = 6)
longue$temps <- str_sub(longue$temps, start = 6)

courte$date <- as.numeric(courte$date)
courte$taille <- as.numeric(courte$taille)
courte$temps <- as.numeric(courte$temps)

longue$date <- as.numeric(longue$date)
longue$taille <- as.numeric(longue$taille)
longue$temps <- as.numeric(longue$temps)

# On enlève les NAs
courte <- courte %>% na.omit()
longue <- longue %>% na.omit()


# Vérification des données
summary(courte)
summary(longue)

# sauvegarde d'une copie locale
write.table(courte , "connexion_courte.csv" , dec = "." , sep = ",")
write.table(longue , "connexion_longue.csv" , dec = "." , sep = ",")
```


```{r , echo=FALSE}
setwd("D:/Cesure/MOOC/RR")
```

\newpage
Les données ont été récupérées aux adresses suivantes : \
Connexion courte : http://mescal.imag.fr/membres/arnaud.legrand/teaching/2014/RICM4_EP_ping/liglab2.log.gz \
Connexion longue : http://mescal.imag.fr/membres/arnaud.legrand/teaching/2014/RICM4_EP_ping/liglab2.log.gz 


# Travail sur la connexion courte

```{r}
courte <- read.table("connexion_courte.csv" , sep = "," , dec = "." , header = T)
```

## graphiques

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.
```{r}
dessous <- lm(temps~taille , data = subset(courte , taille < 1480))

dessus <- lm(temps~taille , data = subset(courte , taille >= 1480))
```

En dessous de 1480 bytes : \
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")
```


Au dessus : \
On estime L à `r dessus$coefficient[1]`, et C à `r 1/dessus$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")
```

Expliquer le temps d'envoi avec la taille du message ne semble pas être pertinent pour la connexion courte.

\
\

# Travail sur la connexion longue

```{r}
longue <- read.table("connexion_longue.csv" , sep = "," , dec = "." , header = T)
```

## graphiques

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 = 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")
```

Il est difficile de voir si le temps de transmission est liée à la taille du message avec ces graphs. 



```{r}
ggplot(data = longue , 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(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.
```{r}
dessous <- lm(temps~taille , data = subset(longue , taille < 1480))

dessus <- lm(temps~taille , data = subset(longue , taille >= 1480))
```

En dessous de 1480 bytes : \
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")
```

Expliquer le temps d'envoi avec la taille du message ne semble pas être pertinent pour la connexion longue.