new tutorials

Author: GuyliannEngels

inst/tutorials/C04La_stat_slide/C04La_stat_slide.Rmd

@@ -42,19 +42,19 @@ La température moyenne mensuelle en Fahrenheit de l'air est étudié entre 1920
 plot(nottem)
 ```
 
-Vous avez à votre disposition quelques information sur cette série.
+Vous avez à votre disposition quelques informations sur cette série.
 
 ```{r}
 start(nottem) # début
 end(nottem) # fin
-frequency(nottem) # frequence
+frequency(nottem) # fréquence
 ```
 
 ### Les statistiques glissantes
 
-Les statistiques glissantes (sliding statistics en anglais) permettent de calculer des descripteurs (moyenne, médiane, ...) pour des intervalles de temps précis le long de l’axe temporelle de notre série. Les statistiques glissantes (sliding statistics en anglais) correspondent précisément à l’analyse de blocs successifs de données suivant un axe spatio-temporel. Dans {pastecs}, elles se calculent à l’aide de la fonction stat.slide()
+Les statistiques glissantes (sliding statistics en anglais) permettent de calculer des descripteurs (moyenne, médiane, ...) pour des intervalles de temps précis le long de l’axe temporelle de notre série. Il s'agit de l'analyse de blocs successifs de données suivant un axe spatio-temporel. Dans {pastecs}, elles se calculent à l’aide de la fonction stat.slide()
 
-Cette fonction comprend de nombreux arguments qu'il est intéressant de connaître. N'hésitez pas à lire l'aide de la fonction.
+Cette fonction comprend de nombreux arguments qu'il est intéressant de connaître. N'hésitez pas à lire l'aide de la fonction. Nous n'utiliserons que quelques arguments dans ces exercices.
 
 #### Bloc annuel
 

inst/tutorials/C04Lb_ts_create/C04Lb_ts_create.Rmd

@@ -0,0 +1,109 @@
+---
+title: "Les objets ts"
+author: "Guyliann Engels & Philippe Grosjean"
+description: "**SDD III Module 4** Création d'un objet ts"
+tutorial:
+  id: "C04Lb_ts_create"
+  version: 1.0.0/3
+output:
+  learnr::tutorial:
+    progressive: true
+    allow_skip: true
+runtime: shiny_prerendered
+---
+
+```{r setup, include=FALSE}
+BioDataScience3::learnr_setup()
+SciViews::R()
+library(pastecs)
+# vector
+vec <- sin((1:100) / 6 * pi) + rnorm(100, sd = 5) + 10
+```
+
+```{r, echo=FALSE}
+BioDataScience3::learnr_banner()
+```
+
+```{r, context="server"}
+BioDataScience3::learnr_server(input, output, session)
+```
+
+----
+
+## Objectifs
+
+- Manipuler des séries temporelles.
+
+
+## Construction d'un objet ts
+
+Avant de pouvoir manipuler un objet `ts`, il faut être capable de le construire. Exercez vous sur les quelques exercices proposés ci-dessous.
+
+La fonction `ts()` comprend de nombreux arguments qu'il est intéressant de connaître. N'hésitez pas à lire l'aide de la fonction. Nous n'utiliserons que quelques arguments dans ces exercices.
+
+### série 1
+
+Votre série fictive débute en janvier 2000. Une observation est réalisée chaque mois. Transformez le vecteur `vec` ci dessous en un objet `ts` nommés `serie`. Réalisez un graphique de cette série avec la fonction plot()
+
+```{r ts1, exercise = TRUE}
+serie <- ts(vec, start = ___, frequency = ___)
+plot(serie)
+```
+
+```{r ts1-solution}
+serie <- ts(vec, start = 2000, frequency = 12)
+plot(serie)
+```
+
+```{r ts1-check}
+grade_code(" ")
+```
+
+### Série 2
+
+Votre série fictive débute en juilet 2005. Une observation est réalisée chaque mois. Transformez le vecteur `vec` ci dessous en un objet `ts` nommés `series`. Réalisez un graphique de cette série avec la fonction plot().
+
+```{r ts2, exercise = TRUE}
+serie <- ts(vec, start = c(___,___), frequency = ___)
+plot(serie)
+```
+
+```{r ts2-solution}
+serie <- ts(vec, start = c(2005, 7), frequency = 12)
+plot(serie)
+```
+
+```{r ts2-check}
+grade_code(" ")
+```
+
+
+### Série 3
+
+Votre série fictive débute au second trimestre de 1993. Une observation est réalisée chaque trimestre. Transformez le vecteur `vec` ci dessous en un objet `ts` nommés `series`. Réalisez un graphique de cette série avec la fonction plot().
+
+```{r ts3, exercise = TRUE}
+serie <- ts(vec, start = c(___, ___), frequency = ___)
+plot(___)
+```
+
+```{r ts3-solution}
+serie <- ts(vec, start = c(1993,2), frequency = 4)
+plot(serie)
+```
+
+```{r ts3-check}
+grade_code(" ")
+```
+
+## Conclusion
+
+```{r comm_noscore, echo=FALSE}
+question_text(
+  "Laissez-nous vos impressions sur cet outil pédagogique",
+  answer("", TRUE, message = "Pas de commentaires... C'est bien aussi."),
+  incorrect = "Vos commentaires sont enregistrés.",
+  placeholder = "Entrez vos commentaires ici...",
+  allow_retry = TRUE
+)
+```

inst/tutorials/C04Lc_ts_manip/C04Lc_ts_manip.Rmd

@@ -0,0 +1,108 @@
+---
+title: "Manipulation des objets ts"
+author: "Guyliann Engels & Philippe Grosjean"
+description: "**SDD III : Module 4** Manipulation des objet ts"
+tutorial:
+  id: "C04Lc_ts_manip"
+  version: 1.0.0/3
+output:
+  learnr::tutorial:
+    progressive: true
+    allow_skip: true
+runtime: shiny_prerendered
+---
+
+```{r setup, include=FALSE}
+BioDataScience3::learnr_setup()
+SciViews::R()
+library(pastecs)
+# vector
+set.seed(13313)
+vec <- sin((1:100) / 6 * pi) + rnorm(100, sd = 5) + 10
+serie <- ts(vec, end = c(2020, 10), frequency = 12)
+```
+
+```{r, echo=FALSE}
+BioDataScience3::learnr_banner()
+```
+
+```{r, context="server"}
+BioDataScience3::learnr_server(input, output, session)
+```
+
+----
+
+## Objectifs
+
+- Manipuler des séries temporelles.
+
+
+## Manipulation d'un objet ts
+
+Avant de pouvoir manipuler un objet `ts`, il faut être capable de le construire. Exercez vous sur les quelques exercices proposés ci-dessous.
+
+La fonction `ts()` comprend de nombreux arguments qu'il est intéressant de connaître. N'hésitez pas à lire l'aide de la fonction. Nous n'utiliserons que quelques arguments dans ces exercices.
+
+### Exercice 1
+
+Vous avez à votre disposition la série fictive nommé `serie`. Combien d'observations y a t'il par unité de temps ? Utilisez la fonction la plus adaptée et qui ne renvoie que le résultat demandé. 
+
+```{r manip1, exercise = TRUE, exercise.lines = 1}
+___(___)
+```
+
+```{r manip1-solution}
+frequency(serie)
+```
+
+```{r manip1-check}
+grade_code(" ")
+```
+
+### Exercice 2
+
+Quand débute cette série ? Combien d'observations y a t'il par unité de temps ? Utilisez la fonction la plus adaptée et qui ne revoie que le résultat demandé. 
+
+```{r manip2, exercise = TRUE, exercise.lines = 1}
+___(___)
+```
+
+```{r manip2-solution}
+start(serie)
+```
+
+```{r manip2-check}
+grade_code(" ")
+```
+
+### Exercice 3
+
+```{r}
+boxplot(split(serie, cycle(serie)), col = "cornsilk")
+```
+
+Reproduisez le graphique ci-dessus
+
+```{r manip3, exercise = TRUE, exercise.lines = 1}
+___(___(___,___(___)), col = "cornsilk")
+```
+
+```{r manip3-solution}
+boxplot(split(serie, cycle(serie)), col = "cornsilk")
+```
+
+```{r manip3-check}
+grade_code(" ")
+```
+
+## Conclusion
+
+```{r comm_noscore, echo=FALSE}
+question_text(
+  "Laissez-nous vos impressions sur cet outil pédagogique",
+  answer("", TRUE, message = "Pas de commentaires... C'est bien aussi."),
+  incorrect = "Vos commentaires sont enregistrés.",
+  placeholder = "Entrez vos commentaires ici...",
+  allow_retry = TRUE
+)
+```