Skip to content
Snippets Groups Projects
Commit 1031bbf5 authored by Quentin Pinet's avatar Quentin Pinet
Browse files

final

parent f2fd2ae7
Branches master
No related tags found
No related merge requests found
---
title: "projet MPSL / Évolution de l'IDH dans le monde depuis 1960"
title: "projet MPSL / Évolution du PIB et de l'espérance de vie dans le monde depuis 1960"
author: "Quentin Pinet et Romain Revil"
output: pdf_document
output:
pdf_document: default
html_document:
df_print: paged
---
------
Table of contents
#Table des matières
*Notre projet se déroulera de la façon suivante:*
###Introduction
-*I)* Contexte / description des données
-*II)* Comment ces données ont-elles été obtenues?
-*III)* Description de la question choisie: Comment le PIB et l'espérance de vie ont-ils évolués depuis les années 60?
-*IV)* Notre méthodologie
-*V)* Optimisation et nettoyage des données pour une meilleure utilisation des données.
-*VI)* Analyse de nos données à l'aide d'outils R et graphiques.
###Conclusion
*Références*
\pagebreak
Introduction
#Introduction
De tout temps les hommes ont eu pour but d'améliorer leurs conditions de vie.
A l'origine, ils avançaient par inventions qu'ils faisaient partager à toute leur communauté (fabriquer des outils, allumer un feu, etc...).
Actuellement, nos conditions de vie sont largement déterminées par notre situation financière.
C'est pour celà qu'il peut être intéressant d'étudier le développement des finances moyennes depuis 1960 (PIB).
Notre postulat serait que l'amélioration des conditions de vie influerait largement sur l'espérance de vie des populations.
En effet, au moyen âge l'espérance de vie était d'à peine 30 ans.
C'est pourquoi nous avons également décidé d'étudier l'évolution de l'espérance de vie depuis 1960.
Grâce à ces études une réponse à la question suivante pourra être conjecturée:
*Existe-t'il un parallèle entre le PIB d'un pays et l'espérance de vie moyenne de sa population?*
\pagebreak
Context / Dataset description
##Contexte / Description des données
Les données initiales, désormais contenues dans un fichier csv, sont toutes les caractéristiques prises en compte dans l'IDH (indice de développement humain).
Elles portent sur la plupart des pays et sur les différents continents.
Ces données sont disponibles pour toutes les années depuis 1960 jusqu'à 2018.
\pagebreak
How the dataset has been obtained?
##Comment ces données ont-elles été obtenues?
Ces données ont été obtenues sur le site de la banque mondiale de données.
Voici l'url du site déjà axé sur nos données retenues: https://databank.banquemondiale.org/source/world-development-indicators#
Pour les obtenir nous avons fait une présélection de manière à ne garder que les données utiles pour déterminer l'IDH.
\pagebreak
Description of the question
##Description de la question choisie
###Comment le PIB et l'espérance de vie ont-ils évolués depuis les années 60?
**Cette question demandera:**
- Un tri de données
- La manipulation de fonctions de R sur les fichiers de données csv.
- L'utilisation de graphiques.
**Cette question permettra:**
Comme expliqué en introduction, de faire le parallèle entre l'espérance de vie et le PIB.
En effet la théorie avancée est que le PIB et l'espérance de vie sont proportionnels.
De plus, ces deux données sont les principaux facteurs de l'IDH en sus du niveau d'éducation que nous n'étudierons pas faute de données.
\pagebreak
Methodology
##Méthodologie
Dans un premier temps nous allons nettoyer et trier les données à l'aide des fonctions R sur la manipulation des csv pour avoir des informations de qualité et plus facilement exploitables.
Les fonctions de création de graphiques permettront ensuite d'utiliser les donner et d'obtenir des informations sous un format lisible pour faire avancer la résolution de la problématique.
*Tout le contenu sera rendu plus lisible par l'option Rmarkdown de Rstudio qui permet une présentation dynamique mixant le principe de powerpoint avec de la programmation.*
L'utilisateur pourra donc suivre notre raisonnement tout au long du projet.
\pagebreak
Data clean-up procedures
##Nettoyage et optimisation des données
Lors du choix des données nous avons fait un premier travail de découpage.
En effet les données étant multiples et variées nous avons dût nous astreindre à faire un choix dans celles-ci.
Par la suite un deuxième tri des données a eu lieu avec l'utilisation des fonctions de gestion de csv proposées par R.
Ce tri aura permis de ne garder que deux variables:
-l'espérance de vie
-le PIB
Ces données nous intéressent plus particulièrement.
Finalement un second tri sera effectué pour ne garder qu'une dizaine de pays car trop de pays rendrait le document et les futurs graphiques illisibles.
\pagebreak
Scientific workflow
##Choix de la représentation des données
\pagebreak
Data representation choices
##Analyse en programmation linéaire
\pagebreak
Analysis in Literate Programming
#Conclusion
L'espérance de vie et le PIB sont significatifs.
Les différences entre les pays sont énormes, même si, dans l'ensemble,
tous ont vu leur PIB et leur espérance de vie augmenter.
On peut également confirmer le postulat fait précédemment sur le fait que le PIB et l'espérance de vie soient indéniablement liés.
\pagebreak
Conclusion
**References**
Nos sources ont été: la banque de données https://databank.banquemondiale.org/home.aspx
\pagebreak
References
\ No newline at end of file
```{r}
dataset = read.csv("Data_IDH.csv", encoding="UTF-8")
PIB_Esp_Educ = dataset[which(dataset$Contenu == "PIB" | dataset$Contenu == "Espérance_de_vie" | dataset$Contenu == "Niveau d’éducation, études supérieures de cycle court au minimum, population de 25 ans et plus (%)" | dataset$Contenu == "Niveau d’éducation, achèvement du cycle primaire au minimum, population de 25 ans et plus (%)"), ]
PIB_Esp_Educ_2 = PIB_Esp_Educ[which(PIB_Esp_Educ$Pays == "France" | PIB_Esp_Educ$Pays == "Allemagne" | PIB_Esp_Educ$Pays == "Chine" | PIB_Esp_Educ$Pays == "États-Unis" | PIB_Esp_Educ$Pays == "Sénégal" | PIB_Esp_Educ$Pays == "Australie" | PIB_Esp_Educ$Pays == "Brésil" | PIB_Esp_Educ$Pays == "Fédération de Russie" | PIB_Esp_Educ$Pays == "Inde" | PIB_Esp_Educ$Pays == "Malaisie" | PIB_Esp_Educ$Pays == "Venezuela" | PIB_Esp_Educ$Pays == "Canada"), ]
```
```{r}
#PIB France
PIBFrance = t(PIB_Esp_Educ_2[which(PIB_Esp_Educ_2$Pays == "France" & PIB_Esp_Educ_2$Contenu == "PIB"), ][3:61])
plot(1960:2018, PIBFrance, main="Évolution du PIB en France", xlab="Année", ylab="PIB (en $ US)", type='l', col="blue")
#Espérance de vie France
EspFrance = t(PIB_Esp_Educ_2[which(PIB_Esp_Educ_2$Pays == "France" & PIB_Esp_Educ_2$Contenu == "Espérance_de_vie"), ][3:61])
plot(1960:2018, EspFrance, main="Évolution de l'espérance de vie en France", xlab="Année", ylab="Espérance de vie (en années)", type='l', col="blue")
```
```{r}
#PIB Allemagne
PIBAllemagne = t(PIB_Esp_Educ_2[which(PIB_Esp_Educ_2$Pays == "Allemagne" & PIB_Esp_Educ_2$Contenu == "PIB"), ][3:61])
plot(1960:2018, PIBAllemagne, main="Évolution du PIB en Allemagne", xlab="Année", ylab="PIB (en $ US)", type='l', col="blue")
#Espérance de vie
EspAllemagne = t(PIB_Esp_Educ_2[which(PIB_Esp_Educ_2$Pays == "Allemagne" & PIB_Esp_Educ_2$Contenu == "Espérance_de_vie"), ][3:61])
plot(1960:2018, EspAllemagne, main="Évolution de l'espérance de vie en Allemagne", xlab="Année", ylab="Espérance de vie (en années)", type='l', col="blue")
```
```{r}
#PIB Chine
PIBChine = t(PIB_Esp_Educ_2[which(PIB_Esp_Educ_2$Pays == "Chine" & PIB_Esp_Educ_2$Contenu == "PIB"), ][3:61])
plot(1960:2018, PIBChine, main="Évolution du PIB en Chine", xlab="Année", ylab="PIB (en $ US)", type='l', col="blue")
#Espérance de vie
EspChine = t(PIB_Esp_Educ_2[which(PIB_Esp_Educ_2$Pays == "Chine" & PIB_Esp_Educ_2$Contenu == "Espérance_de_vie"), ][3:61])
plot(1960:2018, EspChine, main="Évolution de l'espérance de vie en Chine", xlab="Année", ylab="Espérance de vie (en années)", type='l', col="blue")
```
```{r}
#PIB États-Unis
PIBUSA = t(PIB_Esp_Educ_2[which(PIB_Esp_Educ_2$Pays == "États-Unis" & PIB_Esp_Educ_2$Contenu == "PIB"), ][3:61])
plot(1960:2018, PIBUSA, main="Évolution du PIB aux États-Unis", xlab="Année", ylab="PIB (en $ US)", type='l', col="blue")
#Espérance de vie
EspUSA = t(PIB_Esp_Educ_2[which(PIB_Esp_Educ_2$Pays == "États-Unis" & PIB_Esp_Educ_2$Contenu == "Espérance_de_vie"), ][3:61])
plot(1960:2018, EspUSA, main="Évolution de l'espérance de vie aux États-Unis", xlab="Année", ylab="Espérance de vie (en années)", type='l', col="blue")
```
```{r}
#PIB Sénégal
PIBSénégal = t(PIB_Esp_Educ_2[which(PIB_Esp_Educ_2$Pays == "Inde" & PIB_Esp_Educ_2$Contenu == "PIB"), ][3:61])
plot(1960:2018, PIBSénégal, main="Évolution du PIB au Sénégal", xlab="Année", ylab="PIB (en $ US)", type='l', col="blue")
#Espérance de vie
EspSénégal = t(PIB_Esp_Educ_2[which(PIB_Esp_Educ_2$Pays == "Inde" & PIB_Esp_Educ_2$Contenu == "Espérance_de_vie"), ][3:61])
plot(1960:2018, EspSénégal, main="Évolution de l'espérance de vie au Sénégal", xlab="Année", ylab="Espérance de vie (en années)", type='l', col="blue")
```
```{r}
#PIB Australie
PIBAustralie = t(PIB_Esp_Educ_2[which(PIB_Esp_Educ_2$Pays == "Australie" & PIB_Esp_Educ_2$Contenu == "PIB"), ][3:61])
plot(1960:2018, PIBAustralie, main="Évolution du PIB en Australie", xlab="Année", ylab="PIB (en $ US)", type='l', col="blue")
#Espérance de vie
EspAustralie = t(PIB_Esp_Educ_2[which(PIB_Esp_Educ_2$Pays == "Australie" & PIB_Esp_Educ_2$Contenu == "Espérance_de_vie"), ][3:61])
plot(1960:2018, EspAustralie, main="Évolution de l'espérance de vie en Australie", xlab="Année", ylab="Espérance de vie (en années)", type='l', col="blue")
```
```{r}
#PIB Brésil
PIBBrésil = t(PIB_Esp_Educ_2[which(PIB_Esp_Educ_2$Pays == "Brésil" & PIB_Esp_Educ_2$Contenu == "PIB"), ][3:61])
plot(1960:2018, PIBBrésil, main="Évolution du PIB au Brésil", xlab="Année", ylab="PIB (en $ US)", type='l', col="blue")
#Espérance de vie
EspBrésil = t(PIB_Esp_Educ_2[which(PIB_Esp_Educ_2$Pays == "Brésil" & PIB_Esp_Educ_2$Contenu == "Espérance_de_vie"), ][3:61])
plot(1960:2018, EspBrésil, main="Évolution de l'espérance de vie au Brésil", xlab="Année", ylab="Espérance de vie (en années)", type='l', col="blue")
```
```{r}
#PIB Fédération de Russie
PIBRussie = t(PIB_Esp_Educ_2[which(PIB_Esp_Educ_2$Pays == "Fédération de Russie" & PIB_Esp_Educ_2$Contenu == "PIB"), ][3:61])
plot(1960:2018, PIBRussie, main="Évolution du PIB en Fédération de Russie", xlab="Année", ylab="PIB (en $ US)", type='l', col="blue")
#Espérance de vie
EspRussie = t(PIB_Esp_Educ_2[which(PIB_Esp_Educ_2$Pays == "Fédération de Russie" & PIB_Esp_Educ_2$Contenu == "Espérance_de_vie"), ][3:61])
plot(1960:2018, EspRussie, main="Évolution de l'espérance de vie en Fédération de Russie", xlab="Année", ylab="Espérance de vie (en années)", type='l', col="blue")
```
```{r}
#PIB Inde
PIBInde = t(PIB_Esp_Educ_2[which(PIB_Esp_Educ_2$Pays == "Inde" & PIB_Esp_Educ_2$Contenu == "PIB"), ][3:61])
plot(1960:2018, PIBInde, main="Évolution du PIB en Inde", xlab="Année", ylab="PIB (en $ US)", type='l', col="blue")
#Espérance de vie
EspInde = t(PIB_Esp_Educ_2[which(PIB_Esp_Educ_2$Pays == "Inde" & PIB_Esp_Educ_2$Contenu == "Espérance_de_vie"), ][3:61])
plot(1960:2018, EspInde, main="Évolution de l'espérance de vie en Inde", xlab="Année", ylab="Espérance de vie (en années)", type='l', col="blue")
```
```{r}
#PIB Malaisie
PIBMalaisie = t(PIB_Esp_Educ_2[which(PIB_Esp_Educ_2$Pays == "Malaisie" & PIB_Esp_Educ_2$Contenu == "PIB"), ][3:61])
plot(1960:2018, PIBMalaisie, main="Évolution du PIB en Malaisie", xlab="Année", ylab="PIB (en $ US)", type='l', col="blue")
#Espérance de vie
EspBMalaisie = t(PIB_Esp_Educ_2[which(PIB_Esp_Educ_2$Pays == "Malaisie" & PIB_Esp_Educ_2$Contenu == "Espérance_de_vie"), ][3:61])
plot(1960:2018, EspBMalaisie, main="Évolution de l'espérance de vie en Malaisie", xlab="Année", ylab="Espérance de vie (en années)", type='l', col="blue")
```
```{r}
#PIB Venezuela
PIBVenezuela = t(PIB_Esp_Educ_2[which(PIB_Esp_Educ_2$Pays == "Venezuela" & PIB_Esp_Educ_2$Contenu == "PIB"), ][3:61])
plot(1960:2018,PIBVenezuela, main="Évolution du PIB au Venezuela", xlab="Année", ylab="PIB (en $ US)", type='l', col="blue")
#Espérance de vie
EspVenezuela = t(PIB_Esp_Educ_2[which(PIB_Esp_Educ_2$Pays == "Venezuela" & PIB_Esp_Educ_2$Contenu == "Espérance_de_vie"), ][3:61])
plot(1960:2018, EspVenezuela, main="Évolution de l'espérance de vie au Venezuela", xlab="Année", ylab="Espérance de vie (en années)", type='l', col="blue")
```
```{r}
#PIB Canada
PIBCanada = t(PIB_Esp_Educ_2[which(PIB_Esp_Educ_2$Pays == "Canada" & PIB_Esp_Educ_2$Contenu == "PIB"), ][3:61])
plot(1960:2018,PIBCanada, main="Évolution du PIB au Canada", xlab="Année", ylab="PIB (en $ US)", type='l', col="blue")
#Espérance de vie
EspCanada = t(PIB_Esp_Educ_2[which(PIB_Esp_Educ_2$Pays == "Canada" & PIB_Esp_Educ_2$Contenu == "Espérance_de_vie"), ][3:61])
plot(1960:2018, EspCanada, main="Évolution de l'espérance de vie au Canada", xlab="Année", ylab="Espérance de vie (en années)", type='l', col="blue")
```
```{r}
#PIB de 12 pays
PIBPays = t(PIB_Esp_Educ_2[which(PIB_Esp_Educ_2$Contenu == "PIB"), ][3:61])
matplot(1960:2018,PIBPays, main="Évolution du PIB dans le Monde", xlab="Année", ylab="PIB (en $ US)", type='l')
legend("topleft", legend=c("France", "Allemagne", "Chine", "États-Unis", "Sénégal", "Australie", "Brésil", "Fédération de Russie", "Inde", "Malaisie", "Venezuela", "Canada"))
#Espérance de vie de 12 pays
EspPays = t(PIB_Esp_Educ_2[which(PIB_Esp_Educ_2$Contenu == "Espérance_de_vie"), ][3:61])
matplot(1960:2018,EspPays, main="Évolution de l'espérance de vie dans le Monde", xlab="Année", ylab="PIB (en $ US)", type='l')
legend("topleft", legend=c("France", "Allemagne", "Chine", "États-Unis", "Sénégal", "Australie", "Brésil", "Fédération de Russie", "Inde", "Malaisie", "Venezuela", "Canada"))
```
0% Loading or .
You are about to add 0 people to the discussion. Proceed with caution.
Finish editing this message first!
Please register or to comment