Vous êtes sur la page 1sur 5

TP 1 :

Rgres

---

title: "TP1 EXEMPLE 1"


author: "Zoghlami Alaeddine"
date: "14 novembre 2016"
output: html_document
--#Q1:importation et affichage de donnes de la base
```{r}
data= read.table("C:/Users/aladeen/Desktop/ozone_simple.txt",header=T,sep=";")
attach(data)
data
```

#Q2 : les stat descriptives des variables O3 et T12


```{r}
summary(data)
```

#Q3 :Rpresentation graphique de l'volution de la variable O3 en fonction de T12


```{r}
O3=data[,1]
T12=data[,2]
plot(O3~T12 , xlab="temp", ylab="concentration")
```

#Q4 :la rgression simple de l'oxygne par rapport au T12


```{r}
reg=lm(O3~T12,data=data)
```

#Q7 intervalle de confiance des previsions, des prdictions et la droite ajuste de la


regression

```{r}
T12=seq(min(data[,"T12"]), max(data[,"T12"]), length=100)
T121=data.frame(T12)
ic1=predict(reg, new=T121, interval="confidence", level=0.95)
ic1
matlines(T121$T12, cbind(ic1), lty=c(1,2,2), col=1) #intervalle de confiance des predicteurs

ic2=predict(reg, new=T121, interval="pred", level=0.95)


ic2 #ic2 : y chapeau y chapeau min y chapeau max
matlines(T121$T12, cbind(ic1,ic2[,-1]), lty=c(1,2,2,3,3)) #enlever le col=1 pour avoir couleur

```

```{r}
ic8=confint(reg,level=0.95) #significatif car 0 n'appartient pas
ic8
ic9=confint(reg,level=0.99) # non significatif pour 99%
ic9

```

```{r}
#l'ic de l'intercept est... pr un niveau de confiance de 5%
#l'ic de beta1 est ...
# l'ic est mieux quand il est plus petit
#9)
library(ellipse)
plot(ellipse(reg,level=0.95),type="l",xlab="",ylab="")
points(coef(reg)[1],coef(reg)[reg],pch=3)
lines(ic8[1,c(1,1,2,2,1)],ic8[2,c(1,2,2,1,1)],lty=2)

```

--title: "TP1 EXEMPLE 2"


author: "Zoghlami Alaeddine"
date: "14 novembre 2016"
output: html_document
--#Q1:importation et affichage de donnes de la base
```{r}
data1= read.table("C:/Users/aladeen/Desktop/Eucalyptus.txt",header=T,sep=";")
attach(data1)
ht
circ
```

#Q2 : les stat descriptives des variables ht et circ


```{r}
summary(ht)
summary(circ)

```

#Q3 :Rpresentation graphique graphique de ht en fonction de circ

```{r}
plot(ht~circ , xlab="circonfrence", ylab="hauteur")
```

#Q4 :regression simple de ht en fonction de circ


```{r}
reg1<- lm(ht~circ, data=data1)
summary(reg1)
```

#Q6 :la rgression simple de l'oxygne par rapport au T12


```{r}
plot(ht~circ, data=data1)
circ=seq(min(data1[,"circ"]), max(data1[,"circ"]), length=100)
circ=data.frame(circ)
ic1=predict(reg1, new=circ, interval="confidence", level=0.95)
ic1
matlines(circ$circ, cbind(ic1), lty=c(1,2,2), col=1)

```

#Q7 intervalle de confiance des previsions, des prdictions et la droite ajuste de la


regression

```{r}
T12=seq(min(data[,"T12"]), max(data[,"T12"]), length=100)
T121=data.frame(T12)
ic1=predict(reg, new=T121, interval="confidence", level=0.95)
ic1
matlines(T121$T12, cbind(ic1), lty=c(1,2,2), col=1) #intervalle de confiance des predicteurs

ic2=predict(reg, new=T121, interval="pred", level=0.95)


ic2 #ic2 : y chapeau y chapeau min y chapeau max

matlines(T121$T12, cbind(ic1,ic2[,-1]), lty=c(1,2,2,3,3)) #enlever le col=1 pour avoir couleur

```

```{r}
ic8=confint(reg,level=0.95) #significatif car 0 n'appartient pas
ic8
ic9=confint(reg,level=0.99) # non significatif pour 99%
ic9

```

```{r}
#l'ic de l'intercept est... pr un niveau de confiance de 5%
#l'ic de beta1 est ...
# l'ic est mieux quand il est plus petit
#9)
library(ellipse)
plot(ellipse(reg,level=0.95),type="l",xlab="",ylab="")
points(coef(reg)[1],coef(reg)[reg],pch=3)
lines(ic8[1,c(1,1,2,2,1)],ic8[2,c(1,2,2,1,1)],lty=2)

```