Skip to content

M
mooc-rr
Commit aba77286 authored by Émile Jetzer's avatar Émile Jetzer 🎱
Browse files
Options

Complétion du module 2

parent d2e319ac
Expand all Hide whitespace changes
Inline Side-by-side
Showing with 847 additions and 178 deletions
.DS_Store 0 → 100644
View file @ aba77286
File added
module2/exo1/toy_document_orgmode_python_fr.html 0 → 100644
View file @ aba77286
This diff is collapsed.
module2/exo1/toy_document_orgmode_python_fr.org
View file @ aba77286
...@@ -25,7 +25,7 @@ math.pi ...@@ -25,7 +25,7 @@ math.pi
* En utilisant la méthode des aiguilles de Buffon * En utilisant la méthode des aiguilles de Buffon
Mais calculé avec la *méthode* des[[(https://fr.wikipedia.org/wiki/Aiguille_de_Buffon][aiguilles de Mais calculé avec la *méthode* des[(https://fr.wikipedia.org/wiki/Aiguille_de_Buffon][aiguilles de
Buffon]], on Buffon]], on
obtiendrait comme *approximation*: obtiendrait comme *approximation*:
...@@ -46,7 +46,7 @@ theta = np.random.uniform(size=N, low=0, high=math.pi/2) ...@@ -46,7 +46,7 @@ theta = np.random.uniform(size=N, low=0, high=math.pi/2)
Sinon, une méthode plus simple à comprendre et ne faisant pas 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 intervenir d'appel à la fonction sinus se base sur le fait que si
\(X\tilde U(0, 1)\) et \(Y\tilde U(0, 1)\) alors \(P[X^2+Y^2 \leq 1]=\pi /4\) \(X\tilde U(0, 1)\) et \(Y\tilde U(0, 1)\) alors \(P[X^2+Y^2 \leq 1]=\pi /4\)
(voir [[(https://fr.wikipedia.org/wiki/M%C3%A9thode_de_Monte-Carlo#D%C3%A9termination_de_la_valeur_de_%CF%80][méthode de Monte Carle sur (voir [[https://fr.wikipedia.org/wiki/M%C3%A9thode_de_Monte-Carlo#D%C3%A9termination_de_la_valeur_de_%CF%80][méthode de Monte Carle sur
Wikipedia]]. Le Wikipedia]]. Le
code suivant illustre ce fait: code suivant illustre ce fait:
......
module2/exo1/toy_document_orgmode_python_fr.org~
View file @ aba77286
#+TITLE: Votre titre #+TITLE: À propos du calcul de \(\pi\)
#+AUTHOR: Votre nom #+AUTHOR: Émile Jetzer
#+DATE: La date du jour #+DATE: 2020-05-14
#+LANGUAGE: fr #+LANGUAGE: fr
# #+PROPERTY: header-args :eval never-export # #+PROPERTY: header-args :eval never-export
...@@ -11,83 +11,81 @@ ...@@ -11,83 +11,81 @@
#+HTML_HEAD: <script type="text/javascript" src="http://www.pirilampo.org/styles/lib/js/jquery.stickytableheaders.js"></script> #+HTML_HEAD: <script type="text/javascript" src="http://www.pirilampo.org/styles/lib/js/jquery.stickytableheaders.js"></script>
#+HTML_HEAD: <script type="text/javascript" src="http://www.pirilampo.org/styles/readtheorg/js/readtheorg.js"></script> #+HTML_HEAD: <script type="text/javascript" src="http://www.pirilampo.org/styles/readtheorg/js/readtheorg.js"></script>
* Quelques explications * En demandant à la lib maths
Ceci est un document org-mode avec quelques exemples de code Mon ordinateur m'indique que \(\pi\) vaut /approximativement/:
python. Une fois ouvert dans emacs, ce document peut aisément être
exporté au format HTML, PDF, et Office. Pour plus de détails sur
org-mode vous pouvez consulter https://orgmode.org/guide/.
Lorsque vous utiliserez le raccourci =C-c C-e h o=, ce document sera #+begin_src python :results value :session "Python" :exports both
compilé en html. Tout le code contenu sera ré-exécuté, les résultats import math
récupérés et inclus dans un document final. Si vous ne souhaitez pas math.pi
ré-exécuter tout le code à chaque fois, il vous suffit de supprimer
le # et l'espace qui sont devant le ~#+PROPERTY:~ au début de ce
document.
Comme nous vous l'avons montré dans la vidéo, on inclue du code
python de la façon suivante (et on l'exécute en faisant ~C-c C-c~):
#+begin_src python :results output :exports both
print("Hello world!")
#+end_src #+end_src
#+RESULTS: #+RESULTS:
: Hello world! : 3.141592653589793
Voici la même chose, mais avec une session python, donc une * En utilisant la méthode des aiguilles de Buffon
persistance d'un bloc à l'autre (et on l'exécute toujours en faisant
~C-c C-c~). Mais calculé avec la *méthode* des[[(https://fr.wikipedia.org/wiki/Aiguille_de_Buffon][aiguilles de
#+begin_src python :results output :session :exports both Buffon]], on
import numpy obtiendrait comme *approximation*:
x=numpy.linspace(-15,15)
print(x) #+begin_src python :results value :session "Python" :exports both
import numpy as np
np.random.seed(seed=42)
N=10000
x = np.random.uniform(size=N, low=0, high=1)
theta = np.random.uniform(size=N, low=0, high=math.pi/2)
2/(sum((x+np.sin(theta))>1)/N)
#+end_src #+end_src
#+RESULTS: #+RESULTS:
#+begin_example : 3.128911138923655
[-15. -14.3877551 -13.7755102 -13.16326531 -12.55102041
-11.93877551 -11.32653061 -10.71428571 -10.10204082 -9.48979592 * Avec un argument "fréquentiel" de surface
-8.87755102 -8.26530612 -7.65306122 -7.04081633 -6.42857143
-5.81632653 -5.20408163 -4.59183673 -3.97959184 -3.36734694 Sinon, une méthode plus simple à comprendre et ne faisant pas
-2.75510204 -2.14285714 -1.53061224 -0.91836735 -0.30612245 intervenir d'appel à la fonction sinus se base sur le fait que si
0.30612245 0.91836735 1.53061224 2.14285714 2.75510204 \(X\tilde U(0, 1)\) et \(Y\tilde U(0, 1)\) alors \(P[X^2+Y^2 \leq 1]=\pi /4\)
3.36734694 3.97959184 4.59183673 5.20408163 5.81632653 (voir [[https://fr.wikipedia.org/wiki/M%C3%A9thode_de_Monte-Carlo#D%C3%A9termination_de_la_valeur_de_%CF%80][méthode de Monte Carle sur
6.42857143 7.04081633 7.65306122 8.26530612 8.87755102 Wikipedia]]. Le
9.48979592 10.10204082 10.71428571 11.32653061 11.93877551 code suivant illustre ce fait:
12.55102041 13.16326531 13.7755102 14.3877551 15. ]
#+end_example #+begin_src python :results output file :var matplot_lib_filename="figure_pi_mc2.png" :session "Python" :exports both
Et enfin, voici un exemple de sortie graphique:
#+begin_src python :results output file :session :var matplot_lib_filename="./cosxsx.png" :exports results
import matplotlib.pyplot as plt import matplotlib.pyplot as plt
plt.figure(figsize=(10,5)) np.random.seed(seed=42)
plt.plot(x,numpy.cos(x)/x) N = 1000
plt.tight_layout() x = np.random.uniform(size=N, low=0, high=1)
y = np.random.uniform(size=N, low=0, high=1)
accept = (x*x + y*y) <= 1
reject = np.logical_not(accept)
fig, ax = plt.subplots(1)
ax.scatter(x[accept], y[accept], c='b', alpha=0.2, edgecolor=None)
ax.scatter(x[reject], y[reject], c='r', alpha=0.2, edgecolor=None)
ax.set_aspect('equal')
plt.savefig(matplot_lib_filename) plt.savefig(matplot_lib_filename)
print(matplot_lib_filename) print(matplot_lib_filename)
#+end_src #+end_src
#+RESULTS: #+RESULTS:
[[file:./cosxsx.png]] [[file:]]
Vous remarquerez le paramètre ~:exports results~ qui indique que le code Il est alors aisé d'obtenir une approximation (pas terrible) de \(\pi\)
ne doit pas apparaître dans la version finale du document. Nous vous
recommandons dans le cadre de ce MOOC de ne pas changer ce paramètre en comptant combien de fois, en moyenne, \(X^2+Y^2\) est inférieur à 1:
(indiquer ~both~) car l'objectif est que vos analyses de données soient
parfaitement transparentes pour être reproductibles. #+begin_src python :results output :session "Python" :exports both
4*np.mean(accept)
Attention, la figure ainsi générée n'est pas stockée dans le document #+end_src
org. C'est un fichier ordinaire, ici nommé ~cosxsx.png~. N'oubliez pas
de le committer si vous voulez que votre analyse soit lisible et #+RESULTS:
compréhensible sur GitLab. : 3.112
:
Enfin, n'oubliez pas que nous vous fournissons dans les ressources de :
ce MOOC une configuration avec un certain nombre de raccourcis
claviers permettant de créer rapidement les blocs de code python (en
faisant ~<p~, ~<P~ ou ~<PP~ suivi de ~Tab~). ]]
Maintenant, à vous de jouer! Vous pouvez effacer toutes ces
informations et les remplacer par votre document computationnel.
module2/exo2/exercice_python_fr.org
View file @ aba77286
...@@ -11,83 +11,63 @@ ...@@ -11,83 +11,63 @@
#+HTML_HEAD: <script type="text/javascript" src="http://www.pirilampo.org/styles/lib/js/jquery.stickytableheaders.js"></script> #+HTML_HEAD: <script type="text/javascript" src="http://www.pirilampo.org/styles/lib/js/jquery.stickytableheaders.js"></script>
#+HTML_HEAD: <script type="text/javascript" src="http://www.pirilampo.org/styles/readtheorg/js/readtheorg.js"></script> #+HTML_HEAD: <script type="text/javascript" src="http://www.pirilampo.org/styles/readtheorg/js/readtheorg.js"></script>
* Quelques explications * Calculs simples divers
Ceci est un document org-mode avec quelques exemples de code #+begin_src python :results value :session "Python"
python. Une fois ouvert dans emacs, ce document peut aisément être données = [ 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,
exporté au format HTML, PDF, et Office. Pour plus de détails sur 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,
org-mode vous pouvez consulter https://orgmode.org/guide/. 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 ]
Lorsque vous utiliserez le raccourci =C-c C-e h o=, ce document sera import numpy as np
compilé en html. Tout le code contenu sera ré-exécuté, les résultats
récupérés et inclus dans un document final. Si vous ne souhaitez pas
ré-exécuter tout le code à chaque fois, il vous suffit de supprimer
le # et l'espace qui sont devant le ~#+PROPERTY:~ au début de ce
document.
Comme nous vous l'avons montré dans la vidéo, on inclue du code données = np.array(données)
python de la façon suivante (et on l'exécute en faisant ~C-c C-c~): données
#+begin_src python :results output :exports both
print("Hello world!")
#+end_src #+end_src
#+RESULTS: #+RESULTS:
: Hello world! | 14 | 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 | 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 | 13.6 | 18 | 13.6 | 19.9 | 13.7 | 17 | 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 | 14.3 | 16.8 | 14 | 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 |
* Calculer la moyenne
Voici la même chose, mais avec une session python, donc une #+begin_src python :results output :session "Python"
persistance d'un bloc à l'autre (et on l'exécute toujours en faisant print('Moyenne', données.mean())
~C-c C-c~). print('Écart-type', données.std(ddof=1))
#+begin_src python :results output :session :exports both print('Médiane', np.median(données))
import numpy print('Maximum', données.max())
x=numpy.linspace(-15,15) print('Minimum', données.min())
print(x)
#+end_src #+end_src
#+RESULTS: #+RESULTS:
#+begin_example : Moyenne 14.113000000000001
[-15. -14.3877551 -13.7755102 -13.16326531 -12.55102041 : Écart-type 4.334094455301447
-11.93877551 -11.32653061 -10.71428571 -10.10204082 -9.48979592 : Médiane 14.5
-8.87755102 -8.26530612 -7.65306122 -7.04081633 -6.42857143 : Maximum 23.4
-5.81632653 -5.20408163 -4.59183673 -3.97959184 -3.36734694 : Minimum 2.8
-2.75510204 -2.14285714 -1.53061224 -0.91836735 -0.30612245 :
0.30612245 0.91836735 1.53061224 2.14285714 2.75510204 :
3.36734694 3.97959184 4.59183673 5.20408163 5.81632653
6.42857143 7.04081633 7.65306122 8.26530612 8.87755102 #+begin_src python :results file :session "Python" :exports both
9.48979592 10.10204082 10.71428571 11.32653061 11.93877551 import matplotlib.pyplot as pyplot
12.55102041 13.16326531 13.7755102 14.3877551 15. ]
#+end_example pyplot.clf()
pyplot.plot(données)
Et enfin, voici un exemple de sortie graphique: pyplot.savefig('~/graphe1.svg')
#+begin_src python :results output file :session :var matplot_lib_filename="./cosxsx.png" :exports results '~/graphe1.svg'
import matplotlib.pyplot as plt
plt.figure(figsize=(10,5))
plt.plot(x,numpy.cos(x)/x)
plt.tight_layout()
plt.savefig(matplot_lib_filename)
print(matplot_lib_filename)
#+end_src #+end_src
#+RESULTS: #+RESULTS:
[[file:./cosxsx.png]] [[file:~/graphe1.svg]]
Vous remarquerez le paramètre ~:exports results~ qui indique que le code #+begin_src python :results file :session "Python" :exports both
ne doit pas apparaître dans la version finale du document. Nous vous pyplot.clf()
recommandons dans le cadre de ce MOOC de ne pas changer ce paramètre pyplot.hist(données)
(indiquer ~both~) car l'objectif est que vos analyses de données soient pyplot.savefig('~/graphe2.svg')
parfaitement transparentes pour être reproductibles. '~/graphe2.svg'
#+end_src
Attention, la figure ainsi générée n'est pas stockée dans le document
org. C'est un fichier ordinaire, ici nommé ~cosxsx.png~. N'oubliez pas
de le committer si vous voulez que votre analyse soit lisible et
compréhensible sur GitLab.
Enfin, n'oubliez pas que nous vous fournissons dans les ressources de
ce MOOC une configuration avec un certain nombre de raccourcis
claviers permettant de créer rapidement les blocs de code python (en
faisant ~<p~, ~<P~ ou ~<PP~ suivi de ~Tab~).
Maintenant, à vous de jouer! Vous pouvez effacer toutes ces #+RESULTS:
informations et les remplacer par votre document computationnel. [[file:~/graphe2.svg]]
module2/exo2/exercice_python_fr.org~ 0 → 100644
View file @ aba77286
#+TITLE: Votre titre
#+AUTHOR: Votre nom
#+DATE: La date du jour
#+LANGUAGE: fr
# #+PROPERTY: header-args :eval never-export
#+HTML_HEAD: <link rel="stylesheet" type="text/css" href="http://www.pirilampo.org/styles/readtheorg/css/htmlize.css"/>
#+HTML_HEAD: <link rel="stylesheet" type="text/css" href="http://www.pirilampo.org/styles/readtheorg/css/readtheorg.css"/>
#+HTML_HEAD: <script src="https://ajax.googleapis.com/ajax/libs/jquery/2.1.3/jquery.min.js"></script>
#+HTML_HEAD: <script src="https://maxcdn.bootstrapcdn.com/bootstrap/3.3.4/js/bootstrap.min.js"></script>
#+HTML_HEAD: <script type="text/javascript" src="http://www.pirilampo.org/styles/lib/js/jquery.stickytableheaders.js"></script>
#+HTML_HEAD: <script type="text/javascript" src="http://www.pirilampo.org/styles/readtheorg/js/readtheorg.js"></script>
* Calculs simples divers
#+begin_src python :results value :session "Python"
données = [ 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 ]
import numpy as np
données = np.array(données)
données
#+end_src
#+RESULTS:
| 14 | 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 | 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 | 13.6 | 18 | 13.6 | 19.9 | 13.7 | 17 | 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 | 14.3 | 16.8 | 14 | 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 |
* Calculer la moyenne
#+begin_src python :results output :session "Python"
print('Moyenne', données.mean())
print('Écart-type', données.std(ddof=1))
print('Médiane', np.median(données))
print('Maximum', données.max())
print('Minimum', données.min())
#+end_src
#+RESULTS:
: Moyenne 14.113000000000001
: Écart-type 4.334094455301447
: Médiane 14.5
: Maximum 23.4
: Minimum 2.8
:
:
#+begin_src python :results file :session "Python"
import matplotlib.pyplot as pyplot
fig, ax = pyplot.plot(données)
fig.savefig('graphe1.png')
'graphe1.png'
#+end_src
#+RESULTS:
[[file:]]
#+begin_src python :results file :session "Python"
fig, ax = pyplot.hist(données)
fig.savefig('graphe2.png')
'graphe2.png'
#+end_src
#+RESULTS:
[[file:]]
module2/exo5/exo5_python_fr.org
View file @ aba77286
...@@ -32,6 +32,7 @@ de la NASA durant les 6 années précédant le lancement de la navette ...@@ -32,6 +32,7 @@ de la NASA durant les 6 années précédant le lancement de la navette
Challenger. Challenger.
* Chargement des données * Chargement des données
Nous commençons donc par charger ces données: Nous commençons donc par charger ces données:
#+begin_src python :results value :session *python* :exports both #+begin_src python :results value :session *python* :exports both
import numpy as np import numpy as np
...@@ -42,30 +43,30 @@ data ...@@ -42,30 +43,30 @@ data
#+RESULTS: #+RESULTS:
#+begin_example #+begin_example
Date Count Temperature Pressure Malfunction Date Count Temperature Pressure Malfunction
0 4/12/81 6 66 50 0 0 4/12/81 6 66 50 0
1 11/12/81 6 70 50 1 1 11/12/81 6 70 50 1
2 3/22/82 6 69 50 0 2 3/22/82 6 69 50 0
3 11/11/82 6 68 50 0 3 11/11/82 6 68 50 0
4 4/04/83 6 67 50 0 4 4/04/83 6 67 50 0
5 6/18/82 6 72 50 0 5 6/18/82 6 72 50 0
6 8/30/83 6 73 100 0 6 8/30/83 6 73 100 0
7 11/28/83 6 70 100 0 7 11/28/83 6 70 100 0
8 2/03/84 6 57 200 1 8 2/03/84 6 57 200 1
9 4/06/84 6 63 200 1 9 4/06/84 6 63 200 1
10 8/30/84 6 70 200 1 10 8/30/84 6 70 200 1
11 10/05/84 6 78 200 0 11 10/05/84 6 78 200 0
12 11/08/84 6 67 200 0 12 11/08/84 6 67 200 0
13 1/24/85 6 53 200 2 13 1/24/85 6 53 200 2
14 4/12/85 6 67 200 0 14 4/12/85 6 67 200 0
15 4/29/85 6 75 200 0 15 4/29/85 6 75 200 0
16 6/17/85 6 70 200 0 16 6/17/85 6 70 200 0
17 7/29/85 6 81 200 0 17 7/29/85 6 81 200 0
18 8/27/85 6 76 200 0 18 8/27/85 6 76 200 0
19 10/03/85 6 79 200 0 19 10/03/85 6 79 200 0
20 10/30/85 6 75 200 2 20 10/30/85 6 75 200 2
21 11/26/85 6 76 200 0 21 11/26/85 6 76 200 0
22 1/12/86 6 58 200 1 22 1/12/86 6 58 200 1
#+end_example #+end_example
Le jeu de données nous indique la date de l'essai, le nombre de joints Le jeu de données nous indique la date de l'essai, le nombre de joints
...@@ -112,7 +113,7 @@ print(matplot_lib_filename) ...@@ -112,7 +113,7 @@ print(matplot_lib_filename)
#+end_src #+end_src
#+RESULTS: #+RESULTS:
[[file:freq_temp_python.png]] [[file:]]
À première vue, ce n'est pas flagrant mais bon, essayons quand même 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 d'estimer l'impact de la température $t$ sur la probabilité de
...@@ -142,24 +143,6 @@ logmodel.summary() ...@@ -142,24 +143,6 @@ logmodel.summary()
#+end_src #+end_src
#+RESULTS: #+RESULTS:
#+begin_example
Generalized Linear Model Regression Results
==============================================================================
Dep. Variable: Frequency No. Observations: 7
Model: GLM Df Residuals: 5
Model Family: Binomial Df Model: 1
Link Function: logit Scale: 1.0
Method: IRLS Log-Likelihood: -3.6370
Date: Fri, 20 Jul 2018 Deviance: 3.3763
Time: 16:56:08 Pearson chi2: 0.236
No. Iterations: 5
===============================================================================
coef std err z P>|z| [0.025 0.975]
-------------------------------------------------------------------------------
Intercept -1.3895 7.828 -0.178 0.859 -16.732 13.953
Temperature 0.0014 0.122 0.012 0.991 -0.238 0.240
===============================================================================
#+end_example
L'estimateur le plus probable du paramètre de température est 0.0014 L'estimateur le plus probable du paramètre de température est 0.0014
et l'erreur standard de cet estimateur est de 0.122, autrement dit on et l'erreur standard de cet estimateur est de 0.122, autrement dit on
...@@ -185,7 +168,28 @@ print(matplot_lib_filename) ...@@ -185,7 +168,28 @@ print(matplot_lib_filename)
#+end_src #+end_src
#+RESULTS: #+RESULTS:
[[file:proba_estimate_python.png]] [[file:Traceback (most recent call last):
File "<stdin>", line 1, in <module>
File "/var/folders/pz/lqbg3sln3tx3lc20qjf3t7580000gn/T/babel-uHWuHe/python-PvRZB8", line 5, in <module>
data_pred['Frequency'] = logmodel.predict(data_pred[['Intercept','Temperature']])
NameError: name 'logmodel' is not defined
>>>
]]
[[file:Traceback (most recent call last):
File "<stdin>", line 1, in <module>
File "/var/folders/pz/lqbg3sln3tx3lc20qjf3t7580000gn/T/babel-uHWuHe/python-kfsyTS", line 5, in <module>
data_pred['Frequency'] = logmodel.predict(data_pred[['Intercept','Temperature']])
NameError: name 'logmodel' is not defined
]]
[[file:Traceback (most recent call last):
File "<stdin>", line 1, in <module>
File "/var/folders/pz/lqbg3sln3tx3lc20qjf3t7580000gn/T/babel-uHWuHe/python-DJFd1z", line 5, in <module>
data_pred['Frequency'] = logmodel.predict(data_pred[['Intercept','Temperature']])
NameError: name 'logmodel' is not defined
>>>
]]
Comme on pouvait s'attendre au vu des données initiales, la Comme on pouvait s'attendre au vu des données initiales, la
température n'a pas d'impact notable sur la probabilité d'échec des température n'a pas d'impact notable sur la probabilité d'échec des
...@@ -201,6 +205,7 @@ print(np.sum(data.Malfunction)/np.sum(data.Count)) ...@@ -201,6 +205,7 @@ print(np.sum(data.Malfunction)/np.sum(data.Count))
#+RESULTS: #+RESULTS:
: 0.06521739130434782 : 0.06521739130434782
: >>>
Cette probabilité est donc d'environ $p=0.065$, sachant qu'il existe 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 un joint primaire un joint secondaire sur chacune des trois parties du
......
module2/exo5/exo5_python_fr.org~ 0 → 100644
View file @ aba77286
This diff is collapsed.
module2/exo5/freq_temp_python.png
View replaced file @ d2e319ac View file @ aba77286
module2/exo5/freq_temp_python.png

12.3 KB | W: | H:

module2/exo5/freq_temp_python.png

12.2 KB | W: | H:

module2/exo5/freq_temp_python.png
module2/exo5/freq_temp_python.png
module2/exo5/freq_temp_python.png
module2/exo5/freq_temp_python.png
  • 2-up
  • Swipe
  • Onion skin
Markdown is supported
0% or
You are about to add 0 people to the discussion. Proceed with caution.
Finish editing this message first!
Please register or to comment