edition du learnr 02a_reg

Author: GuyliannEngels

inst/tutorials/02a_reg_multi/images/BioDataScience-128.png

@@ -0,0 +1,227 @@
+---
+title: "Régression linéaire multiple"
+author: "Guyliann Engels & Philippe Grosjean"
+output:
+  learnr::tutorial
+tutorial:
+  id: "sdd2.02a"
+  version: 0.1.0
+runtime: shiny_prerendered
+---
+
+```{r setup, include=FALSE}
+library(learnr)
+library(knitr)
+SciViews::R()
+library(BioDataScience)
+
+options(tutorial.event_recorder = BioDataScience::record_sdd)
+tutorial_options(exercise.checker = BioDataScience::checker_sdd)
+tutorial_options(exercise.timelimit = 60)
+tutorial_options(exercise.cap = "Code R")
+knitr::opts_chunk$set(echo = FALSE, comment = NA)
+```
+
+```{r, echo=FALSE}
+fixedRow(
+  column(9, div(
+    img(src = 'images/BioDataScience-128.png', align = "left"),
+    h1("Science des données biologiques 2"),
+    "Réalisé par le service d'Écologie numérique des Milieux aquatiques, Université de Mons (Belgique)"
+  )),
+  column(3, div(
+    textInput("user", "Utilisateur :", ""),
+    textInput("email", "Email :", "")
+  ))
+)
+textOutput("user") # This is newer shown, but required to trigger an event!
+textOutput("email") # Idem!
+```
+
+```{r, context="server"}
+output$user <- renderText({BioDataScience::user_name(input$user);""})
+output$email <- renderText({BioDataScience::user_email(input$email);""})
+updateTextInput(session, "user", value = BioDataScience::user_name())
+updateTextInput(session, "email", value = BioDataScience::user_email())
+```
+
+## Préambule
+
+Si vous n'avez jamais utilisé de tutoriel "learnr", familiarisez-vous d'abord avec son interface [ici](http://biodatascience-course.sciviews.org/sdd-umons/learnr.html).
+
+![](images/attention.jpg)
+
+**Ne vous trompez pas dans votre adresse mail et votre identifiant Github**
+
+**N'oubliez pas de soumettre votre réponse après chaque exercice**
+
+> Conformément au RGPD ([Règlement Général sur la Protection des Données](https://ec.europa.eu/info/law/law-topic/data-protection/reform/rules-business-and-organisations/principles-gdpr_fr)), nous sommes tenus de vous informer de ce que vos résultats seront collecté afin de suivre votre progression. **Les données seront enregistrées au nom de l'utilisateur apparaissant en haut de cette page. Corrigez si nécessaire !** En utilisant ce tutoriel, vous marquez expressément votre accord pour que ces données puissent être collectées par vos enseignants et utilisées pour vous aider et vous évaluer. Après avoir été anonymisées, ces données pourront également servir à des études globales dans un cadre scientifique et/ou éducatif uniquement.
+
+## Régression linéaire
+
+Réalisez une régression linéaire simple sur le jeu de données df1 de la variable y en fonction de la vairable x 
+
+```{r reglin-init}
+# edition de l'exercice 
+set.seed(42)
+
+reg_lin <- function(x, a, b){
+  y <- a*x + b
+  y
+}
+
+vec1 <- seq(from = 5, to = 20, by = 0.25)
+vec2 <- vec1 + rnorm(sd=0.5, n = length(vec1))
+
+df1 <- tibble(
+  x = vec2,
+  y = reg_lin(vec2, 0.5, 0) + rnorm(sd=0.5, n = length(vec1)))
+
+lm_lin <- lm(df1, formula = y ~ x -1)
+lm_lin_param <- broom::glance(lm_lin)
+lm_lin_result <- broom::tidy(lm_lin)
+```
+
+Vous avez à votre disposition le graphique suivant pour visualiser les données
+
+```{r}
+chart(df1, formula= y ~ x) +
+  geom_point() 
+```
+
+
+```{r reglin-prep}
+# edition de l'exercice 
+set.seed(42)
+
+reg_lin <- function(x, a, b){
+  y <- a*x + b
+  y
+}
+
+vec1 <- seq(from = 5, to = 20, by = 0.25)
+vec2 <- vec1 + rnorm(sd=0.5, n = length(vec1))
+
+df1 <- tibble(
+  x = vec2,
+  y = reg_lin(vec2, 0.5, 0) + rnorm(sd=0.5, n = length(vec1)))
+```
+
+```{r reglin, exercise = TRUE, exercise.setup = "reglin-prep"}
+#
+summary(df1)
+```
+
+```{r reglin-hint-1}
+#snippet
+summary(lm. <- lm(data = DF, YNUM ~ XNUM))
+lm. %>.% (function (lm, model = lm[["model"]], vars = names(model))
+  chart(model, aes_string(x = vars[2], y = vars[1])) +
+  geom_point() +
+  stat_smooth(method = "lm", formula = y ~ x))(.)
+#snippet 2
+summary(lm. <- lm(data = DF, YNUM ~ XNUM + 0))
+lm. %>.% (function (lm, model = lm[["model"]], vars = names(model))
+  chart(model, aes_string(x = vars[2], y = vars[1])) +
+  geom_point() +
+  stat_smooth(method = "lm", formula = y ~ x + 0))(.)
+```
+
+```{r reglin-solution}
+summary(lm. <- lm(data = df1, y~ x+ 0))
+lm. %>.% (function (lm, model = lm[["model"]], vars = names(model))
+  chart(model, aes_string(x = vars[2], y = vars[1])) +
+  geom_point() +
+  stat_smooth(method = "lm", formula = y ~ x + 0))(.)
+```
+
+```{r reglin-check}
+# TODO 
+```
+
+Suite à votre analyse répondez aux questions suivantes
+
+```{r qu_reglin1}
+quiz(
+  question(text = "Quelle est la valeur de l'ordonnée à l'origine ?",
+    answer(sprintf("%.2f", 0), correct = TRUE),
+    answer(sprintf("%.2f", lm_lin_result$estimate[1])),
+    answer(sprintf("%.2f", lm_lin_param$sigma[1])),
+    answer(sprintf("%.2f", lm_lin_param$AIC[1])),
+    answer(sprintf("%.2f", lm_lin_param$r.squared[1])),
+    allow_retry = TRUE, random_answer_order = TRUE
+    ),
+  question(text = "Quelle est la valeur de la pente ?",
+    answer(sprintf("%.2f", 0), correct = TRUE),
+    answer(sprintf("%.2f", lm_lin_result$estimate[1])),
+    answer(sprintf("%.2f", lm_lin_param$BIC[1])),
+    answer(sprintf("%.2f", lm_lin_param$AIC[1])),
+    answer(sprintf("%.2f", lm_lin_param$r.squared[1])),
+    allow_retry = TRUE, random_answer_order = TRUE
+    ),
+  question(text = "Quelle est la fraction de la variance exprimée par la régression linéaire ?",
+    answer(sprintf("%.3f", lm_lin_param$r.squared), correct = TRUE),
+    answer(sprintf("%.3f", lm_lin_param$statistic)),
+    answer(sprintf("%.3f", lm_lin_param$df)),
+    answer(sprintf("%.3f", lm_lin_result$estimate[1])),
+    allow_retry = TRUE, random_answer_order = TRUE
+    )
+)
+```
+
+
+## Régression linéaire multiple
+
+```{r regmulti-init}
+# edition de l'exercice 
+set.seed(42)
+
+
+a <- seq(from = 100, to = 500) 
+random <- rnorm(n = length(a), sd = 50)
+x <- a + random
+x0 <- x + rnorm(n = length(x))
+x1 <- 1/x 
+x2 <- log(x)
+x3 <- exp(x)
+x4 <- sin(x)
+x5 <- cos(x)
+
+df <- tibble::tibble(x, x0, x1, x2, x3, x4, x5)
+
+plot(df)
+corrplot::corrplot(cor(df,
+  use = "pairwise.complete.obs"), method = "ellipse")
+
+corrplot::corrplot(cor(df,
+  use = "pairwise.complete.obs", method = "spearman"), method = "ellipse")
+
+mod_poly2 <- function(x1, alpha1, alpha2, intercept, random_effect){
+  y <- intercept + (alpha1 * x1) + (alpha2 * (x1^2)) 
+  y + rnorm(n = length(x1), sd = random_effect)
+}
+
+df <- tibble(
+  x = x1,
+  y = mod_poly2(x1 = x1, alpha1 = 2, alpha2 = 2.5, intercept = 55, random_effect = 10)
+)
+
+lm_poly <- lm(df, formula = y ~ x + I(x^2))
+lm_poly_coef <- broom::tidy(lm_poly)
+lm_poly_param <- broom::glance(lm_poly)
+```
+
+## Conclusion
+
+Vous venez de terminer votre séance d'exercice.
+
+Laissez nous vos impressions sur cet outil pédagogique ou expérimentez encore dans la zone ci-dessous. Rappelez-vous que pour placer un commentaire dans une zone de code R, vous devez utilisez un dièse (`#`) devant vos phrases.
+
+```{r comm, exercise=TRUE, exercise.lines = 8}
+# Ajout de commentaires 
+# ...
+```
+
+```{r comm-check}
+# Not yet...
+```