# -*- mode: org -*-
#+TITLE:     
#+AUTHOR:    Arnaud Legrand
#+DATE: June, 2018
#+STARTUP: overview indent
#+OPTIONS: num:nil toc:t
#+PROPERTY: header-args :eval never-export

* Exercice 1 : Ré-exécuter n'est pas répliquer...
Même si la terminologie peut varier d'un auteur ou d'une communauté à
l'autre, il est important de comprendre que l'on peut distinguer
différents niveaux de "réplication" selon que l'on s'est contenté de
vérifier que l'on pouvait ré-exécuter le code et obtenir exactement les
mêmes résultats ou bien que l'on arrivait à reproduire des résultats
similaires en suivant une approche similaire (éventuellement avec un
autre langage, une autre méthode de calcul, etc.). À ce sujet, vous
pourrez vouloir par exemple lire [[https://arxiv.org/abs/1708.08205][https://arxiv.org/abs/1708.08205]].

Le diable se cache souvent dans des endroits auxquels on n'aurait jamais 
pensé et nous sommes nous-mêmes allés de surprise en surprise en
préparant ce MOOC, notamment avec l'exercice du module 2 sur
Challenger. C'est pourquoi nous vous proposons dans cet exercice, de
refaire une partie de l'analyse des données de Challenger, comme l'ont
fait Siddhartha Dallal et ses co-auteurs il y a presque 30 ans dans
leur article /Risk Analysis of the Space Shuttle: Pre-Challenger
Prediction of Failure/ et publié dans le /Journal of the American
Statistical Association/ (Vol. 84, No. 408, Déc., 1989) mais dans un autre langage de votre choix (Python, R, Julia, SAS...). 

Nous savons d'expérience que si les estimations de pente et
d'intercept sont généralement les mêmes, on peut avoir des différences
lorsque l'on regarde les estimateurs de variance et le R^2 un peu plus 
dans les détails. Il peut également y avoir des surprises dans le
graphique final selon les versions de bibliothèques utilisées.

L'ensemble des calculs à effectuer est décrit ici avec les
indications sur comment contribuer :
[[https://app-learninglab.inria.fr/gitlab/moocrr-session1/moocrr-reproducibility-study/][https://app-learninglab.inria.fr/gitlab/moocrr-session1/moocrr-reproducibility-study/]]

Vous y trouverez notre réplication des calculs de Dallal /et al./ (en
R), une mise en œuvre en Python et une en R (très similaires à ce que
vous avez pu utiliser dans le module 2). Cet exercice peut donc se
faire à deux niveaux :
1. un niveau facile pour ceux qui repartiront du code dans le langage
   qu'ils n'auront initialement pas utilisé et se contenteront de le
   ré-exécuter. Pour cela, nul besoin de maîtriser la régression
   logistique, il suffit de bien inspecter les sorties produites et de
   vérifier qu'elles correspondent bien aux valeurs attendues. Pour
   ceux qui ré-exécuteraient le notebook Python dans l'environnement
   Jupyter du MOOC, n'hésitez pas à consulter [[https://www.fun-mooc.fr/courses/course-v1:inria+41016+session01bis/jump_to_id/4ab5bb42ca1e45c8b0f349751b96d405][les ressources de la
   section 4A du module 2]] qui expliquent comment y importer un
   notebook.
2. un niveau plus difficile pour ceux qui souhaiteront le réécrire
   complètement (éventuellement dans un autre langage que R ou Python,
   l'expérience peut être d'autant plus intéressante que nous n'avons
   pas testé ces variations). Là, si les fonctions de calcul d'une
   régression logistique ne sont pas présentes, il y a par contre
   intérêt à en savoir un minimum pour pouvoir les
   implémenter. L'exercice en est d'autant plus instructif. 

Vous pourrez alors discuter sur le forum des succès et des échecs que
vous aurez pu rencontrer. Pour cela :
- *Vous publierez auparavant dans votre dépôt les différents notebooks*
  en prenant bien soin d'enrichir votre document des informations
  (numéros de version, etc.) sur votre système et sur les
  bibliothèques installées.
- Vous indiquerez votre résultat (que ça soit un succès ou échec à
  obtenir les mêmes résultats) en *remplissant ce [[https://app-learninglab.inria.fr/gitlab/moocrr-session1/moocrr-reproducibility-study/blob/master/results.md][tableau]]* (vous avez
  les droits d'édition donc il vous suffit d'éditer les fichiers via
  l'interface GitLab). Vous vérifierez les valeurs obtenues pour :
  1) les coefficients de la pente et de l'intercept
  2) les estimations d'erreur de ces coefficients
  3) le goodness of fit
  4) la figure
  5) la zone de confiance
- Pour chacun vous indiquerez si le résultat est :
  - identique
  - proche à moins de trois décimales
  - très différent
  - non fonctionnel (pas de résultat obtenu)
  Vous indiquerez également dans ce tableau :
  - un lien vers votre espace gitlab contenant les différents notebooks
  - le nom du système d'exploitation utilisé
  - le langage utilisé et son numéro de version
  - les numéros des principales bibliothèques utilisées
    - Python : numpy, pandas, matplotlib, statsmodels...
    - R : BLAS, ggplot, dplyr si chargées

Ne vous inquiétez pas si ces consignes vous semblent peu claires sur l'instant,
elles sont rappelées en haut du [[https://app-learninglab.inria.fr/gitlab/moocrr-session1/moocrr-reproducibility-study/blob/master/results.md][tableau]] et vous vous rendrez vite
compte s'il vous manque quelque chose quand vous essaierez de remplir
ce tableau.

Nous effectuerons une synthèse illustrant les principales divergences
observées et nous vous l'enverrons à la fin du MOOC.