################# #Ex1 ################# # Donnees type_client <- c("Particulier", "PME", "Grande entreprise") effectif <- c(50, 30, 20) # Effectif total total <- sum(effectif) total # Frequences relatives frequence_relative <- effectif / total frequence_relative # Pourcentages pourcentage <- frequence_relative * 100 pourcentage # Tableau recapitulatif repartition_clients <- data.frame( Type_client = type_client, Effectif = effectif, Frequence_relative = frequence_relative, Pourcentage = pourcentage ) # Affichage print(repartition_clients) # Graphique cambert pie( pourcentage, labels = paste(type_client, "=", pourcentage, "%"), main = "Repartition des clients" ) # Graphique en barres barplot( frequence_relative, names.arg = type_client, main = "Repartition des clients (frequences relatives)", ylab = "Frequence", xlab = "Type de client", col = c("steelblue", "orange", "darkgreen") ) ################# #Ex2 ################# # Donnees classes <- c("[0,100[", "[100,200[", "[200,300[", "[300,400[", "[400,500[") effectif <- c(10, 25, 40, 15, 10) centres <- c(50, 150, 250, 350, 450) # 1. Frequences cumulees freq_cumulee <- cumsum(effectif) freq_cumulee # Tableau recapitulatif resultats <- data.frame( Classe = classes, Effectif = effectif, Frequence_cumulee = freq_cumulee) resultats # Graphique des fréquences cumulées (courbe / ogive) plot( freq_cumulee, type = "o", # points + lignes xaxt = "n", # enlève l'axe x par défaut col = "orange", lwd = 4, main = "Distribution des fréquences cumulées", ylab = "Fréquences cumulées", xlab = "Classes de dépenses" ) axis(1, at = 1:length(classes), labels = classes) # 2. Frequences relatives freq_relative <- effectif / sum(effectif) freq_relative Table.freqRelative <- data.frame( Classe = classes, Effectif = effectif, freq_relative = freq_relative) Table.freqRelative # Graphique des frequences relatives bar <- barplot( freq_relative, names.arg = classes, main = "Distribution des frequences relatives", col = "tomato", ylab = "Frequence relative", xlab = "Classes de depenses" ) # 3. Calcul de la moyenne moyenne <- sum(effectif * centres) / sum(effectif) moyenne # 4) Classe modale classe_modale <- classes[which.max(effectif)] classe_modale ################# #Ex3 ################# # Charger les donnees # Fonction pour calculer le mode (car il n'existe pas de fonction mode directe get_mode <- function(v) { freq <- table(round(v, 1)) # Arrondir à 0.1 pour plus de lisibilite mode_val <- as.numeric(names(freq)[freq == max(freq)]) return(mode_val) } # Pour notes_A moy_A <- round(mean(Ex1_stat1$notes_A), 1) moy_A med_A <- round(median(Ex1_stat1$notes_A), 1) med_A mode_A <- get_mode(Ex1_stat1$notes_A) mode_A quartiles_A <- round(quantile(Ex1_stat1$notes_A, probs = c(0.25, 0.5, 0.75)), 1) quartiles_A # Pour notes_B moy_B <- round(mean(Ex1_stat1$notes_B), 1) moy_B med_B <- round(median(Ex1_stat1$notes_B), 1) med_B mode_B <- get_mode(Ex1_stat1$notes_B) mode_B quartiles_B <- round(quantile(Ex1_stat1$notes_B, probs = c(0.25, 0.5, 0.75)), 1) quartiles_B ################# #Ex5 ################# # Charger les donnees # Calcul de l'esperance pour l'equipe de jour esperance_jour <- sum(Ex3_stat1$Joursdabsences * Ex3_stat1$equipeJour) esperance_jour # Calcul de l'esperance pour l'equipe de nuit esperance_nuit <- sum(Ex3_stat1$Joursdabsences * Ex3_stat1$equipeNuit) esperance_nuit ################# #Ex6 ################# # Charger les donnees TG_Moyen <- round(sum(Ex4_stat1$Effectifs * Ex4_stat1$glycemie)/sum(Ex4_stat1$Effectifs),2) TG_Moyen