CBD - Module Sensibilisation

Partie 1

Code

Les fonctions demandées sont codées dans le fichier CBD---Module-Sensibilisation/Partie 1/R/ZERAH.R. Un script servant d'exemple d'exécution à ces fonctions a été codé dans CBD---Module-Sensibilisation/Partie 1/R/SommeVariableAleatoireUniforme.R.

Partie 2 et 3

Code

Le code des parties 2 et 3 a été récupéré du tutoriel en R.

Commentaires

2.2.1 Variables quantitatives

Les variables maxO3 et maxO3v ont quasiment la même répartion de valeurs, ce qui n'est guère étonnant, car maxO3v est simplement maxO3 retardée d'un jour. Dans le cas des nébulosité Ne9 et Ne12, et des concentrations en ozone maxO3 et maxO3v, contrairement aux températures T9, T12 et T15, les médianes des distributions ne peuvent pas être assimilées à leur moyennes. Ces distributions ne sont clairement pas symétriques et ne peuvent pas, en l'état, être modélisées efficacement par des gaussiennes.

2.3.1 Variables quantitatives

"A l'oeil", les variables très corrélées sont celles dont lees nuages de points adoptent une structure fortement linéaire. Ainsi, les variables de températures T9, T12, T15 sont toutes très corrélées entre elles (ce qui est physiquement très compréhensible), et également avec la concentration en ozone maxO3. par ailleurs, les vitesses du vents sont très corrélées entre elles. Enfin, on remarque, que si les nébulosités ne semblent pas corrélées, les valeurs prisent par les points des nuagent font partie d'un ensemble fini (nombre discret "d'emplacements").

2.3.2 Variables qualitatives

La pluie est globalement plus rare qu'un temps sec, on observe donc une corrélation entre la pluie et le vent, car lorsque le vent vient d'Ouest, la proportion de pluie pour une même direction de vent augmente. La pluie semble être apportée par des vents Nord-Ouest-Ouest.

2.3.3 Variables qualitatives et quantitatives

La concentration en ozone est globalement plus élevée lorsque le vent vient d'Est ou du Sud, et lorsque le temps est sec. Une corrélation entre précipitations et direction du vent a été établie en 2.3.2.

3.1.3 Comparaison de deux variances : Fisher

Selon les tests de Shapiro-Wilp, il est probable que la distribution des concentrations en ozone lors des jours de pluie soit gaussienne (p-value > 0.05) et qu'au contraire, la distribution des concentrations en ozone pendant les jours secs ne le soit pas (p-value<0.05). On compare avec le test de Fisher, les variances des deux distributions précédentes, sous l'hypothèse $H_0$ que les deux variances sont égales. La p-value étant supérieure à 0.05, on ne peut pas rejetter l'hypothèse $H_0$ et on suppose désormais que les deux distributions ont la même variance(le ratio estimé des variances est donné à 0.6986744).

3.2.1 Comparaison de deux médianes : Wilcoxon

4.2.1 Cas gaussien : ANOVA - Fisher

4.2.2 Cas non-paramétrique : Kruskal-Wallis

4.3.3 Significativité du modèle

5.1 Analyse en composantes principales

5.2.1 Modèle linéaire complet

5.2.2 Sous-modèle

5.2.3 Meilleure prévision