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.