Debut des observations
plot.ts(df_ramel);
On observe des oscillations entre 0.15 et 0.20, ainsi qu’une phase d’initialisation entre t=0 et t=50.
On reduit donc la fenetre d’observation entre t=100 et t=2000
r1 = df_ramel[500:2000,];
plot.ts(r1);
Les variations semblent aleatoires, mais aucune valeur ne semble “aberrante”.
Pour etudier la distribution des valeurs, on affiche un histogramme.
hist(r1);
On obtient une courbe gaussienne (a peu pres). Les valeurs on l’air symetriquement reparties entre 0.18 et 0.215.
Pour confirmer ces estimations, on affiche un resume et un boxplot
summary(r1);
## Min. 1st Qu. Median Mean 3rd Qu. Max. NA's
## 0.1718 0.1926 0.1986 0.1983 0.2044 0.2250 1
On observe que la mediane et la moyenne sont tres proches.
boxplot(r1);
Le boxplot nous permet de confirmer que la plupart des valeurs sont rapproches.
Les variations sont trop rapprochees, et semblent aleatoires. Pour y voir plus clair, on ne garde que 100 valeurs.
r2 = df_ramel[1000:900,];
plot.ts(r2);
Aucune période ou schéma particulier n’est reconnaissable.
Pour finir, il faut s’intéresser aux valeurs de la phase d’initialisation.
r3 = df_ramel[0:50,];
plot.ts(r3);
Il s’agit tout simplement du premier remplissage du cache au démarrage du système.