Exercie 1 module 3 Done

module2/exo5/exo5_fr.Rmd

@@ -28,8 +28,19 @@ Nous commençons donc par charger ces données:
 ```{r}
 data = read.csv("shuttle.csv",header=T)
 data
-```
 
+```
+```{r}
+data$m<-ifelse(data$Malfunction>1,1,0)
+plot(data=data, m~Temperature)
+plot(data=data, Malfunction/Count ~ Temperature, ylim=c(0,1))
+logistic_reg = glm(data=data, Malfunction/Count ~ Temperature, weights=Count, 
+                   family=binomial(link='logit'))
+summary(logistic_reg)
+library(ggplot2)
+ggplot(data,aes(x=Temperature,y=Malfunction/Count))+
+  geom_smooth(method="glm",method.args=list(family="binomial"))
+```
 Le jeu de données nous indique la date de l'essai, le nombre de joints
 toriques mesurés (il y en a 6 sur le lançeur principal), la
 température (en Farenheit) et la pression (en psi), et enfin le
@@ -44,8 +55,12 @@ moins un joint a été défectueux.
 ```{r}
 data = data[data$Malfunction>0,]
 data
+
 ```
 
+
+
+
 Très bien, nous avons une variabilité de température importante mais
 la pression est quasiment toujours égale à 200, ce qui devrait
 simplifier l'analyse.

module3/exo1/analyse-syndrome-grippal.Rmd

@@ -43,10 +43,16 @@ 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`.
 ### Téléchargement
+
 ```{r}
-data = read.csv(data_url, skip=1)
+#data = read.csv(data_url, skip=1)
+data_local='incidence-PAY-3.csv'
+data = read.csv(data_local, skip=1)
 ```
 
+
+
+
 Regardons ce que nous avons obtenu:
 ```{r}
 head(data)