--- title: "Mini-rapport 1 : titre de votre analyse" author: "Prénoms et noms des 2 ou 3 membres" lang: fr format: html: embed-resources: true toc: true code-fold: true execute: message: false --- ```{r} #| label: configuration #| include: false # Charger explicitement les bibliothèques utilisées dans le rapport. library(tidyverse) library(janitor) library(broom) ``` ## Question et décision À compléter : formulez une question précise, indiquez à qui s'adresse l'analyse et quelle décision elle peut éclairer. ## Données et préparation À compléter : source et lien, producteur, droits d'utilisation, caractère simulé le cas échéant, unité d'observation, variable réponse quantitative et variables explicatives avec leurs unités. Indiquez les limites connues des données. ```{r} #| label: importation # Placez le fichier autorisé dans data/, puis adaptez ce chemin. # donnees_brutes <- read_csv("data/nom_du_fichier.csv", show_col_types = FALSE) # donnees <- donnees_brutes |> clean_names() ``` ```{r} #| label: preparation # Examinez les types, valeurs manquantes, doublons et valeurs inhabituelles. # Construisez donnees_analyse après avoir justifié les traitements nécessaires. # Utilisez les mêmes observations pour les deux modèles comparés. ``` À compléter : nombre de lignes avant et après préparation, contrôles réalisés, exclusions et transformations justifiées. Expliquez leur effet sur l'analyse. ## Exploration ```{r} #| label: resume-descriptif # Produisez un résumé ciblé des variables utiles à votre question. ``` ```{r} #| label: visualisation # Produisez au moins une visualisation utile, avec titre, axes et unités. ``` À compléter : décrivez les principaux constats et expliquez ce qu'ils suggèrent pour la régression. Distinguez observation, association et causalité. ## Régression et comparaison À compléter : présentez un modèle simple de référence et une variante pertinente. Justifiez la forme des modèles en vous appuyant sur la question et l'exploration. ```{r} #| label: modeles # Exemple de structure à adapter, si une courbure est pertinente : # modele_reference <- lm(reponse ~ explicative, data = donnees_analyse) # modele_variante <- lm(reponse ~ explicative + I(explicative^2), # data = donnees_analyse) # Les noms reponse et explicative doivent être remplacés par vos variables. # Une relation quadratique n'est pas imposée : justifiez votre variante. ``` ```{r} #| label: comparaison # Comparez les modèles sur les mêmes observations et pour la même réponse. # Par exemple : broom::glance() fournit le R² d'un modèle lm. # La RMSE d'ajustement peut se calculer avec sqrt(mean(residuals(modele)^2)). # Le nom modele doit être remplacé par celui du modèle évalué. # Présentez une comparaison concise et identifiez le modèle retenu. ``` À compléter : comparez l'ajustement, l'interprétabilité et l'utilité des modèles. Le modèle de référence peut être retenu. Le R² et la RMSE calculés sur les données d'ajustement ne démontrent pas la performance sur de nouvelles données. Une séparation apprentissage/test n'est pas obligatoire pour ce mini-rapport. ### Interprétation des coefficients ```{r} #| label: coefficients # Extrayez les coefficients utiles, par exemple avec broom::tidy(). # Vous pouvez les présenter dans le texte pour éviter un tableau supplémentaire. ``` À compléter : interprétez au moins deux coefficients dans le contexte, avec leurs unités et leurs limites. Pour l'ordonnée à l'origine, précisez si zéro a un sens et appartient au domaine observé. Dans une relation quadratique, l'effet de la variable dépend de son niveau; le terme au carré n'est pas un effet constant à interpréter isolément. ### Diagnostic des résidus ```{r} #| label: diagnostic-residus # Pour le modèle retenu, produisez au moins un graphique de diagnostic. # Par exemple : résidus contre valeurs ajustées avec une ligne horizontale à 0. # broom::augment() fournit notamment .fitted et .resid pour un modèle lm. ``` À compléter : décrivez ce que montre le diagnostic et discutez une limite concrète du modèle. Reliez cette limite à la prudence de votre recommandation. ## Recommandation, limites et suite À compléter : répondez à la question, proposez une recommandation proportionnée aux résultats, indiquez une incertitude ou une réserve importante et nommez la prochaine vérification à réaliser avant une décision réelle. ## Références À compléter : sources des données et des ressources utilisées, avec les liens permettant de les retrouver. ## Contributions - Membre 1, prénom et nom : une phrase décrivant sa contribution. - Membre 2, prénom et nom : une phrase décrivant sa contribution. - Membre 3, s'il y a lieu : une phrase décrivant sa contribution. ## Déclaration d'usage de l'IA À compléter : si une aide a influencé le code, l'analyse, l'interprétation, la documentation ou le texte, indiquez l'outil, l'usage précis, les vérifications réalisées et ce qui a été retenu ou corrigé. Suivez la déclaration du cours : . Si aucun usage n'a influencé le livrable, remplacez ce paragraphe par la mention : « Aucun usage d'IA ayant influencé le livrable ».