TP11 STA301

data = read.table(file = 'data/her.csv', header = TRUE, sep =';')
L = data$leg
S = data$sex
LF = L[S==1]
LH = L[S==0]
summary(L)
summary(LF)
summary(LH)
boxplot(L, LF, LH, main="Longeur des jambe selon sex", names= c('HF', 'FEMME', 'HOMME'))
#6
t.test(LF, conf.level=0.90)$conf.int
t.test(LH, conf.level=0.90)$conf.int
#7
#H0 les femme ont pas les jambes moins long que les hommes
#H1 les femmes ont les jambres moins longs que les hommes
t.test(LF,LH, alternative ="less")$p.value
#p-valeur = 2.6e-6 < 0.05 on rejet H0, accepter H1 les femmes ont les jambes moins long que les hommes


#8
P = data$pulse
summary(P)
hist(P, xlim=c(40,120), ylim=c(0, 40))

sd(P)
curve(max(table(P))*length(P)*dnorm(x, mean= mean(P), sd=sd(P)), col= 'red', add= TRUE)
#la distribution suivre la loi normale de moyenne 72.85 et la variance de 152.1797

#10
P70 = c()
for(i in P){
  if(i < 70){
    P70 = c(P70, 1)
  }else {
    P70 = c(P70, 0)
  }
}

# H0 la frequence de battement coeur est independant au sexe
# H1 la frequence de battement coeur est lier sexe
ta <- table(P70,S)
prop.table(ta,2)
#11
chisq.test(ta)$p.value

# p-value = 0.02421 < 0.05 les distrubution sont significativement different
# avec une rique de 5% on rejet H0, doncs la frequence de battement coeur est lie au sexe

Tr = data$treat
B = data$BMI
bTreated = B[Tr==1]
bPlacebo = B[Tr==0]
length(bTreated)/length(B)


#Les donnes sont numerique discret

#H0 les treatement et  indice masse corporelle sont independant
summary(bTreated)
summary(bPlacebo)
par(mfrow=c(2,1))
hist(bTreated)
curve(dnorm(x, mean= mean(bTreated), sd=sd(bTreated)),main="BMI selon traitement",from = mean(bTreated)-3*sd(bTreated), to = mean(bTreated)+3*sd(bTreated), ylab= "densite distribution normal",xlab="indice masse corporelle", col= 'blue')
curve(dnorm(x, mean= mean(bPlacebo), sd=sd(bPlacebo)),from = mean(bPlacebo)-3*sd(bPlacebo), to = mean(bPlacebo)+3*sd(bPlacebo),col= 'red', add= TRUE)
legend('topright', legend=c("Placebo", 'Traitement'), col=c('RED', 'BLUE'), lty =1)
boxplot(bTreated, bPlacebo, ylab="Indice masse corporelle" ,main="BMI selon traitement", names=c("traitment", "placebo"))
#H0 pas different entre treatement et non treatement sur l'indice corporel des patiens
#H1 il y a different impact sur indice corporelle entre les patien qui ont obtenu la traiment et celle qui n'a pas de traitement
t.test(bTreated, bPlacebo, var.equal = TRUE)$p.value
# p-value = 0.56 > 0.05, on ne rejet pas H0, Le traitement n'a pas de significative impact sur l'indice masse corporelle des patiens.