Résolution exercice 5 module 2

module2/exo5/exo5_fr.Rmd

@@ -2,9 +2,12 @@
 title: "Analyse du risque de défaillance des joints toriques de la navette Challenger"
 author: "Arnaud Legrand"
 date: "28 juin 2018"
-output: html_document
+output:
+  html_document: default
+  pdf_document: default
 ---
-
+# __J'ai mis mes remarques en gras__  
+  
 Le 27 Janvier 1986, veille du décollage de la navette _Challenger_, eu
 lieu une télé-conférence de trois heures entre les ingénieurs de la
 Morton Thiokol (constructeur d'un des moteurs) et de la NASA. La
@@ -39,13 +42,14 @@ nombre de dysfonctionnements relevés.
 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.
+moins un joint a été défectueux.  
+__Je me demande pourquoi est-ce qu'on a enlevé des données ...__
 
 ```{r}
-data = data[data$Malfunction>0,]
-data
+#data = data[data$Malfunction>0,]
+#data
 ```
-
+__J'ai enlevé la partie où seules les malfonctions sont comptées__  
 Très bien, nous avons une variabilité de température importante mais
 la pression est quasiment toujours égale à 200, ce qui devrait
 simplifier l'analyse.
@@ -55,6 +59,7 @@ Comment la fréquence d'échecs varie-t-elle avec la température ?
 plot(data=data, Malfunction/Count ~ Temperature, ylim=c(0,1))
 ```
 
+__Ah bah oui !!! On dirait qu'il y a moins de malfonctions pour les hautes températures !!__    
 À première vue, ce n'est pas flagrant mais bon, essayons quand même
 d'estimer l'impact de la température $t$ sur la probabilité de
 dysfonctionnements d'un joint. 
@@ -75,6 +80,7 @@ logistic_reg = glm(data=data, Malfunction/Count ~ Temperature, weights=Count,
 summary(logistic_reg)
 ```
 
+__Ah bah en fait l'effet de la température a été sous-estimé d'un facteur 10 ... Elle est de 0.014 maintenant donc significatif ...__    
 L'estimateur le plus probable du paramètre de température est 0.001416
 et l'erreur standard de cet estimateur est de 0.049, autrement dit on
 ne peut pas distinguer d'impact particulier et il faut prendre nos
@@ -93,6 +99,7 @@ plot(tempv,rmv,type="l",ylim=c(0,1))
 points(data=data, Malfunction/Count ~ Temperature)
 ```
 
+__C'est horrible ... Il y a maintenant 80% de chance qu'il y ait une défaillance à 31°F ...__    
 Comme on pouvait s'attendre au vu des données initiales, la
 température n'a pas d'impact notable sur la probabilité d'échec des
 joints toriques. Elle sera d'environ 0.2, comme dans les essais
@@ -105,6 +112,7 @@ data_full = read.csv("shuttle.csv",header=T)
 sum(data_full$Malfunction)/sum(data_full$Count)
 ```
 
+__Oui ça c'est sans compter la température ...__    
 Cette probabilité est donc d'environ $p=0.065$, sachant qu'il existe
 un joint primaire un joint secondaire sur chacune des trois parties du
 lançeur, la probabilité de défaillance des deux joints d'un lançeur