1+ # nolint start
2+
3+ # Practical 3
4+ # Activity 1
5+
6+ # étape: donner le numéro du groupe
7+ room_number <- # <À COMPLETER> replace with 1/2/3/4
8+
9+ # Load packages -----------------------------------------------------------
10+ library(epicontacts )
11+ library(fitdistrplus )
12+ library(tidyverse )
13+
14+
15+ # Importer les données d'entrées------------------------------------------------
16+ # étape : copier et coller le lien fourni dans le fichier google doc.
17+
18+ dat_contacts <- readr :: read_rds(
19+ " link/to/contact/data/url" # <À COMPLETER>
20+ )
21+
22+ dat_linelist <- readr :: read_rds(
23+ " link/to/linelist/data/url" # <À COMPLETER>
24+ )
25+
26+
27+ # Créer un objet de type epicontacts -------------------------------------------
28+ # étape : Créez un réseau de contacts *dirigé* à l'aide
29+ # des données saisies dans la liste de lignes et les contacts.
30+ # Collez une capture d'écran du réseau dans le rapport.
31+
32+ epi_contacts <- epicontacts :: # <À COMPLETER>
33+
34+ # Imprimer la sortie
35+ epi_contacts
36+
37+ # Visualiser le réseau de contacts
38+ contact_network <- epicontacts :: # <À COMPLÉTER>
39+
40+ # Imprimer la sortie
41+ contact_network
42+
43+
44+ # Compter les cas secondaires par sujet -----------------------------------------
45+ # étape : Calculez le *degré sortant* pour chaque nœud (cas infectieux)
46+ # dans le réseau de contacts, en utilisant *tous* les cas observés dans la liste.
47+ # Collez l'histogramme obtenu dans le rapport.
48+
49+ secondary_cases <- epicontacts :: # <À COMPLETER>
50+
51+ # Tracer l'histogramme des cas secondaires
52+ individual_reproduction_num <- secondary_cases %> %
53+ enframe() %> %
54+ ggplot(aes(value )) +
55+ geom_histogram(binwidth = 1 ) +
56+ labs(
57+ x = " Number of secondary cases" ,
58+ y = " Frequency"
59+ )
60+
61+ # Imprimer la sortie
62+ individual_reproduction_num
63+
64+
65+ # Ajuster une distribution binomiale négative -----------------------------------
66+ # étape : Utilisez le vecteur avec le nombre de cas secondaires par cas infectieux
67+ # pour ajuster une distribution binomiale négative à l'aide de {fitdistrplus}.
68+ # Collez les paramètres de sortie dans le rapport.
69+
70+ offspring_fit <- # <À COMPLETER>
71+
72+ # Imprimer la sortie
73+ offspring_fit
74+
75+
76+ # Estimer la proportion de nouveaux cas à partir d'un groupe de cas secondaires ----
77+ # étape : Utilisez {superspreading} pour calculer la probabilité (proportion)
78+ # de nouveaux cas provenant d'un cluster d'une taille donnée (taille du cluster),
79+ # en utilisant comme données d'entrée les paramètres de distribution des descendants :
80+ # le nombre de reproduction et la dispersion.
81+ # Collez le résultat obtenu dans le rapport.
82+
83+ # Définir la graine pour le générateur de nombres aléatoires
84+ set.seed(33 )
85+
86+ # Estimer la probabilité de nouveaux cas provenant d'
87+ # un groupe de transmission d'au moins 5, 10 ou 25 cas
88+ proportion_cases_by_cluster_size <- # <À COMPLETER>
89+
90+ # Imprimer la sortie
91+ proportion_cases_by_cluster_size
92+
93+ # nolint end
0 commit comments