descriptive_statistics.Rmd

---
title: "Statistique descriptive"
author: 
  - name : "Thibaut Dubois - Martin Masson"
    url: https://github.com/datastorm-open/webinar_anonymization 
    affiliation: DataStorm
    affiliation_url: https://datastorm.fr
date: "08/09/2020"
output: 
  html_document :
    toc: true
    toc_depth: 2
---


```{r setup, include=FALSE, echo=FALSE}
require(data.table)
require(rAmCharts)

## Import data
source("bdd/script_bdd.R", local = FALSE, encoding = "utf-8")
rm(list = setdiff(ls(), "data"))

## Echantillonnage (intervalle de confiance à 90 % pour un taux d'échantillonnage de 10 %)
# Pour le risque global de tachycardie
var <- "Risque tachycardie"
n = 50
# (qbinom(c(0.05, 0.95), prob = mean(data[[var]]), size = round(nrow(data)*n/100)) - sum(data[[var]])*(100-n)/100)/(sum(data[[var]])*(100-n)/100)*100 # = tirage avec remise
quantile(sapply(1:1000, function(x) (sum(data[[var]])*n/100 - sum(data[[var]][sample(1:nrow(data), size = nrow(data)*n/100)]))/(sum(data[[var]])*n/100)*100), c(0.05, 0.95))
# Pour le risque de tachycardie chez les professionnels
# (qbinom(c(0.05, 0.95), prob = mean(data[`Pratique declaree` == "Professionnelle"][[var]]), size = round(nrow(data[`Pratique declaree` == "Professionnelle"])*n/100)) - sum(data[`Pratique declaree` == "Professionnelle"][[var]])*(100-n)/100)/(sum(data[`Pratique declaree` == "Professionnelle"][[var]])*(100-n)/100)*100 # = tirage avec remise
quantile(sapply(1:1000, function(x) (sum(data[`Pratique declaree` == "Professionnelle"][[var]])*n/100 - sum(data[`Pratique declaree` == "Professionnelle"][[var]][sample(1:nrow(data[`Pratique declaree` == "Professionnelle"]), size = nrow(data[`Pratique declaree` == "Professionnelle"])*n/100)]))/(sum(data[`Pratique declaree` == "Professionnelle"][[var]])*n/100)*100), c(0.05, 0.95))
```

# Informations quasi-identifiantes

## Répartition du personnel dans l'entreprise

```{r pole, echo=FALSE}
data[, `Pratique declaree` := factor(`Pratique declaree`, levels = unique(`Pratique declaree`))]
dt = data.table(table(data$`Pratique declaree`))
colnames(dt) = c("label", "value")

amPie(dt, 
      main=sprintf("Répartition des utilisateurs par pratique déclarée", 
                   nrow(data)))
```


```{r job, echo=FALSE}
dt = data.table(table(data$`Activite principale`))
colnames(dt) = c("label", "value")

amPie(dt, 
      main=sprintf("Répartition des utilisateurs par activité principale", 
                   nrow(data)))
```

## Etude du temps de travail et de la fréquence de déplacement

```{r time, echo=FALSE}
df = data.frame(table(cut(data$`Volume horaire mensuel`, 
                          seq(floor(min(data$`Volume horaire`)/5)*5, ceiling(max(data$`Volume horaire`)/5)*5, 5), 
                          include.lowest = T, right = F)))

plt <- amBarplot("Var1", "Freq", df, horiz = T,
                 xlab="Volume horaire réel", 
                 ylab="Fréquence", 
                 show_values = T,
                 main="Répartition du volume horaire mensuel réalisé")

plt@dataProvider <- lapply(1:nrow(df), function(x) {plt@dataProvider[[x]]$color <- colorRampPalette(c("#edd7e8", "#5c0047"))(nrow(df))[x] ; plt@dataProvider[[x]]})
plt
```


```{r move, echo=FALSE}
rAmCharts::amHist(data$`Freq. activites mensuelles`, breaks = seq(0, ceiling(max(data$`Freq. activites mensuelles`)/5)*5, 5),
                  col = "#5c0047", border = "white",
                  xlab="Fréquence mensuelle des activités", 
                  ylab="Fréquence", 
                  main="Répartition de la fréquence mensuelle des activités")
```


# Informations sensibles

```{r path, echo=FALSE}
dt = as.data.table(data[, c("Risque hypertension", "Risque tachycardie"), with = F])
dt_counts <- data.frame(table(apply(dt, 1, sum)))

plt <- amBarplot("Var1", "Freq", dt_counts,
                 main="Répartition du nombres de comorbidité parmi les utilisateurs",
                 xlab="Nombre de comorbidités",
                 ylab="Fréquence", show_values = T)

plt@dataProvider <- lapply(1:nrow(dt_counts), function(x) {plt@dataProvider[[x]]$color <- colorRampPalette(c("#edd7e8", "#5c0047"))(nrow(dt_counts))[x] ; plt@dataProvider[[x]]})
plt
```


```{r diap_dep, echo=FALSE}
cross_dia_dep = data[, .(somme = round(sum(`Risque tachycardie`)/.N*100, 2)), by = c("Pratique declaree")]
amBarplot("Pratique declaree", "somme", 
          data = cross_dia_dep, stack_type = "regular",
          horiz = T, show_values = T, main = "Proportion d'utilisateurs associés à un risque de tachycardie par activité déclarée")
```