Skip to content

M
mooc-rr
Commit df3d8805 authored by Olivia Guillin's avatar Olivia Guillin
Browse files
Options

Modification du fichier

parent 46ad7929
Hide whitespace changes
Inline Side-by-side
Showing with 37 additions and 46 deletions
module2/exo5/exo5_R_fr.org
View file @ df3d8805
...@@ -42,30 +42,31 @@ data ...@@ -42,30 +42,31 @@ data
#+RESULTS: #+RESULTS:
#+begin_example #+begin_example
Date Count Temperature Pressure Malfunction
1 4/12/81 6 66 50 0 Date Count Temperature Pressure Malfunction
2 11/12/81 6 70 50 1 1 4/12/81 6 66 50 0
3 3/22/82 6 69 50 0 2 11/12/81 6 70 50 1
4 11/11/82 6 68 50 0 3 3/22/82 6 69 50 0
5 4/04/83 6 67 50 0 4 11/11/82 6 68 50 0
6 6/18/82 6 72 50 0 5 4/04/83 6 67 50 0
7 8/30/83 6 73 100 0 6 6/18/82 6 72 50 0
8 11/28/83 6 70 100 0 7 8/30/83 6 73 100 0
9 2/03/84 6 57 200 1 8 11/28/83 6 70 100 0
10 4/06/84 6 63 200 1 9 2/03/84 6 57 200 1
11 8/30/84 6 70 200 1 10 4/06/84 6 63 200 1
12 10/05/84 6 78 200 0 11 8/30/84 6 70 200 1
13 11/08/84 6 67 200 0 12 10/05/84 6 78 200 0
14 1/24/85 6 53 200 2 13 11/08/84 6 67 200 0
15 4/12/85 6 67 200 0 14 1/24/85 6 53 200 2
16 4/29/85 6 75 200 0 15 4/12/85 6 67 200 0
17 6/17/85 6 70 200 0 16 4/29/85 6 75 200 0
18 7/29/85 6 81 200 0 17 6/17/85 6 70 200 0
19 8/27/85 6 76 200 0 18 7/29/85 6 81 200 0
20 10/03/85 6 79 200 0 19 8/27/85 6 76 200 0
21 10/30/85 6 75 200 2 20 10/03/85 6 79 200 0
22 11/26/85 6 76 200 0 21 10/30/85 6 75 200 2
23 1/12/86 6 58 200 1 22 11/26/85 6 76 200 0
23 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
...@@ -79,20 +80,7 @@ sur l'influence de la température ou de la pression sur les ...@@ -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 dysfonctionnements, nous nous concentrons sur les expériences où au
moins un joint a été défectueux. moins un joint a été défectueux.
#+begin_src R :results output :session *R* :exports both
data = data[data$Malfunction>0,]
data
#+end_src
#+RESULTS:
: Date Count Temperature Pressure Malfunction
: 2 11/12/81 6 70 50 1
: 9 2/03/84 6 57 200 1
: 10 4/06/84 6 63 200 1
: 11 8/30/84 6 70 200 1
: 14 1/24/85 6 53 200 2
: 21 10/30/85 6 75 200 2
: 23 1/12/86 6 58 200 1
Très bien, nous avons une variabilité de température importante mais Très bien, nous avons une variabilité de température importante mais
la pression est quasiment toujours égale à 200, ce qui devrait la pression est quasiment toujours égale à 200, ce qui devrait
...@@ -134,21 +122,23 @@ glm(formula = Malfunction/Count ~ Temperature, family = binomial(link = "logit") ...@@ -134,21 +122,23 @@ glm(formula = Malfunction/Count ~ Temperature, family = binomial(link = "logit")
data = data, weights = Count) data = data, weights = Count)
Deviance Residuals: Deviance Residuals:
2 9 10 11 14 21 23 Min 1Q Median 3Q Max
-0.3015 -0.2836 -0.2919 -0.3015 0.6891 0.6560 -0.2850 -0.95227 -0.78299 -0.54117 -0.04379 2.65152
Coefficients: Coefficients:
Estimate Std. Error z value Pr(>|z|) Estimate Std. Error z value Pr(>|z|)
(Intercept) -1.389528 3.195752 -0.435 0.664 (Intercept) 5.08498 3.05247 1.666 0.0957 .
Temperature 0.001416 0.049773 0.028 0.977 Temperature -0.11560 0.04702 -2.458 0.0140 *
---
codes: 0 ‘***’ 0.001 ‘**’ 0.01 ‘*’ 0.05 ‘.’ 0.1 ‘ ’ 1
(Dispersion parameter for binomial family taken to be 1) (Dispersion parameter for binomial family taken to be 1)
Null deviance: 1.3347 on 6 degrees of freedom Null deviance: 24.230 on 22 degrees of freedom
Residual deviance: 1.3339 on 5 degrees of freedom Residual deviance: 18.086 on 21 degrees of freedom
AIC: 18.894 AIC: 35.647
Number of Fisher Scoring iterations: 4 Number of Fisher Scoring iterations: 5
#+end_example #+end_example
L'estimateur le plus probable du paramètre de température est 0.001416 L'estimateur le plus probable du paramètre de température est 0.001416
...@@ -185,6 +175,7 @@ sum(data_full$Malfunction)/sum(data_full$Count) ...@@ -185,6 +175,7 @@ sum(data_full$Malfunction)/sum(data_full$Count)
#+end_src #+end_src
#+RESULTS: #+RESULTS:
:
: [1] 0.06521739 : [1] 0.06521739
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
......
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