Modification du fichier

module2/exo5/exo5_R_fr.org

@@ -42,6 +42,7 @@ data
 
 #+RESULTS:
 #+begin_example
+
        Date Count Temperature Pressure Malfunction
 1   4/12/81     6          66       50           0
 2  11/12/81     6          70       50           1
@@ -79,20 +80,7 @@ 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.
 
-#+begin_src R :results output :session *R* :exports both
-data = data[data$Malfunction>0,]
-data
-#+end_src
 
-#+RESULTS:
-:        Date Count Temperature Pressure Malfunction
-: 2  11/12/81     6          70       50           1
-: 9   2/03/84     6          57      200           1
-: 10  4/06/84     6          63      200           1
-: 11  8/30/84     6          70      200           1
-: 14  1/24/85     6          53      200           2
-: 21 10/30/85     6          75      200           2
-: 23  1/12/86     6          58      200           1
 
 Très bien, nous avons une variabilité de température importante mais
 la pression est quasiment toujours égale à 200, ce qui devrait
@@ -134,21 +122,23 @@ glm(formula = Malfunction/Count ~ Temperature, family = binomial(link = "logit")
     data = data, weights = Count)
 
 Deviance Residuals: 
-      2        9       10       11       14       21       23  
--0.3015  -0.2836  -0.2919  -0.3015   0.6891   0.6560  -0.2850  
+     Min        1Q    Median        3Q       Max  
+-0.95227  -0.78299  -0.54117  -0.04379   2.65152  
 
 Coefficients:
             Estimate Std. Error z value Pr(>|z|)  
-(Intercept) -1.389528   3.195752  -0.435    0.664
-Temperature  0.001416   0.049773   0.028    0.977
+(Intercept)  5.08498    3.05247   1.666   0.0957 .
+Temperature -0.11560    0.04702  -2.458   0.0140 *
+---
+codes:  0 ‘***’ 0.001 ‘**’ 0.01 ‘*’ 0.05 ‘.’ 0.1 ‘ ’ 1
 
 (Dispersion parameter for binomial family taken to be 1)
 
-    Null deviance: 1.3347  on 6  degrees of freedom
-Residual deviance: 1.3339  on 5  degrees of freedom
-AIC: 18.894
+    Null deviance: 24.230  on 22  degrees of freedom
+Residual deviance: 18.086  on 21  degrees of freedom
+AIC: 35.647
 
-Number of Fisher Scoring iterations: 4
+Number of Fisher Scoring iterations: 5
 #+end_example
 
 L'estimateur le plus probable du paramètre de température est 0.001416
@@ -185,6 +175,7 @@ sum(data_full$Malfunction)/sum(data_full$Count)
 #+end_src
 
 #+RESULTS:
+: 
 : [1] 0.06521739
 
 Cette probabilité est donc d'environ $p=0.065$, sachant qu'il existe