feat: add statistical analysis and visualization for component lifetimes

TP3/Exercice4.R

@@ -81,7 +81,12 @@ valeurs <- c(valeurs_1979, valeurs_2010)
 
 boxplot(valeurs ~ annees,
         main = "Evolution de la distribution des superficies",
-        xlab = "Année",
+        xlab = "Annee",
         ylab = "Superficie (ha)",
         col = c("lightblue", "lightgreen"))
-grid()
+grid()
+
+
+
+# Réinitialiser la mise en page
+par(mfrow = c(1, 1))

TP3/Exercice5.R

@@ -0,0 +1,95 @@
+# Spécifier un miroir CRAN
+options(repos = c(CRAN = "https://cran.rstudio.com/"))
+
+# Installer le package readxl
+install.packages("readxl")
+
+# Charger le package readxl
+library(readxl)
+
+# Spécifier le chemin vers votre fichier .xlsx
+file_path <- "./TP3/tp3datas.xlsx"
+
+# Lire la feuille nommée "Exercice 1"
+data <- read_excel(file_path, sheet = "Exercice 5", col_names = FALSE)
+
+data_matrix <- as.matrix(data)
+
+# 1. Quelles sont les populations observées ?
+cat("Populations observées : Composant bleu, Composant jaune, Composant vert\n")
+
+# 2. Quel est le caractère statistique observé, sa nature ?
+
+cat("\nCaractère statistique : Durée de vie des composants, mesurée en temps\n")
+cat("Nature : Quantitative continue (mesures de temps)\n")
+
+# 3. Calculer les moyennes et les écart-types corrigés du temps écoulé pour chaque
+# composant
+
+# Extraire les données de chaque composant en supprimant les NA et le "("
+composant_bleu <- as.numeric(na.omit(data_matrix[1, -1][data_matrix[1, -1] != "("]))
+composant_jaune <- as.numeric(na.omit(data_matrix[2, -1][data_matrix[2, -1] != "("]))
+composant_vert <- as.numeric(na.omit(data_matrix[3, -1][data_matrix[3, -1] != "("]))
+
+# Calculer les moyennes
+moy_bleu <- mean(composant_bleu)
+moy_jaune <- mean(composant_jaune)
+moy_vert <- mean(composant_vert)
+
+# Calculer les écart-types corrigés
+sd_bleu <- sd(composant_bleu)
+sd_jaune <- sd(composant_jaune)
+sd_vert <- sd(composant_vert)
+
+# Afficher les résultats
+cat("\nMoyennes :\n")
+cat("Composant bleu :", round(moy_bleu, 2), "\n")
+cat("Composant jaune :", round(moy_jaune, 2), "\n")
+cat("Composant vert :", round(moy_vert, 2), "\n")
+
+cat("\nÉcart-types corrigés :\n")
+cat("Composant bleu :", round(sd_bleu, 2), "\n")
+cat("Composant jaune :", round(sd_jaune, 2), "\n")
+cat("Composant vert :", round(sd_vert, 2), "\n")
+
+# 4. Tracer le diagramme des moyennes avec des barres d’erreurs d’un écart-type.
+
+# Créer les données pour le graphique
+composants <- c("Bleu", "Jaune", "Vert")
+moyennes <- c(moy_bleu, moy_jaune, moy_vert)
+ecart_types <- c(sd_bleu, sd_jaune, sd_vert)
+
+# Créer le graphique de barres
+barplot_result <- barplot(moyennes,
+                          names.arg = composants,
+                          ylim = c(0, max(moyennes + ecart_types) + 1),
+                          main = "Moyennes des temps ecoules par composant",
+                          xlab = "Composants",
+                          ylab = "Temps ecoule",
+                          col = c("lightblue", "yellow", "lightgreen"))
+
+# Ajouter les barres d'erreur
+arrows(x0 = barplot_result,
+       y0 = moyennes - ecart_types,
+       x1 = barplot_result,
+       y1 = moyennes + ecart_types,
+       angle = 90,
+       code = 3,
+       length = 0.1)
+
+# Ajouter une grille
+grid()
+
+# 5. Réaliser un box-plot comparatif des 3 composants.
+
+# Créer un boxplot comparatif
+boxplot(list("Bleu" = composant_bleu,
+             "Jaune" = composant_jaune,
+             "Vert" = composant_vert),
+        main = "Distribution des temps ecoules par composant",
+        xlab = "Composants",
+        ylab = "Temps ecoule",
+        col = c("lightblue", "yellow", "lightgreen"))
+
+# Ajouter une grille
+grid()