4.2_CA_Activité.RMD

---
title: "Analyse statistique des Clusters"
author: "LUQUEZI Leonardo"
date: "11/08/2020, 2020"
output:
  pdf_document: 
    fig_caption: yes
    highlight: haddock
    keep_tex: no
    number_sections: yes
  html_document: default
link-citations: no
bibliography: references.bib
---

```{r message=FALSE, warning=FALSE, include=FALSE}
library(readr)
library(dplyr)
library(tidyr)
library(tidyverse)
library(TraMineR)
library(TraMineRextras)
library(WeightedCluster)
```


```{r setup, include=FALSE}
## ---------- 1.Path management ----------
# Path: lire les données brutes .RDR de l'Enquête
# PathR.Menage <- "DataR/BD_brute_menage.RDS"
PathR.Personne <- "DataR/BD_brute_personne.RDS"
PathR.Deplacement <- "DataR/BD_brute_depl.RDS"
# PathR.Trajet <- "DataR/BD_brute_trajet.RDS"

# Path: lire les données ADN Mobilité .RDR

```

# Introductio
Cette étude a pour but la description statistique des clusters crées dans la partie précédante. 

```{r, include=F}
#Charchement des clustersc et des donnees
load("DataR/Analyse/ADN_M.RDS")
load("DataR/Analyse/adn.seq.RDS")
# load("DataR/Analyse/adn.tree.RDS")
# load("DataR/Analyse/clusterRange.RDS")
# load("DataR/Analyse/clusterward1.RDS")
# load("DataR/Analyse/da.cov.RDS")
# load("DataR/Analyse/da.sex.RDS")
load("DataR/Analyse/dist.om.RDS")
# load("DataR/Analyse/stat1.RDS")
# load("DataR/Analyse/stat2.RDS")
# load("DataR/Analyse/submat.RDS")
# load("DataR/Analyse/h.cluster11.RDS")
# load("DataR/Analyse/alphabetTable.RDS")

load(PathR.Deplacement)
load(PathR.Personne)
```

On reprend les fonctions utilisées dans l'analyses générale des séquences pour les appliquer séparément dans chaque cluster. Puis, on utilise la silhouette (ASW) de chaque trajectoire pour trier les séquences, celles qui corespondent le plus à la classification sont affichées en premier:

```{r eval=T, echo=F, error=FALSE, fig.height=15, fig.width=10, message=FALSE, warning=FALSE}
#Compute and plot the state distributions by time points. 
seqdplot(adn.seq, group = ADN_M$groupe, border = NA, with.legend = T)

# Calcul de la silhouette pour chaque trajectoire 
sil <- wcSilhouetteObs(dist.om, ADN_M$groupe, weights = NULL, measure="ASW")

# On utilise les silhouettes (ASW, ou la variante "ASWw") pour ordonner les séquences dans des index-plots.
seqIplot(adn.seq, with.legend = T , group = ADN_M$groupe, sortv=sil)

#Plot the mean time spent in each state of the alphabet
seqmtplot(adn.seq, with.legend = T, group = ADN_M$groupe)

# Compute and plot the transversal entropy index (sequence of entropies of the transversal state distributions)
seqHtplot(adn.seq, group = ADN_M$groupe )

```

Pour chaque cluster, en se basant sur une covariable de référence, on étudie la distribution du pourcentage des caractéristique par rapport au nombre d'observation du cluster, le pourcentage des caractéristiques par rapport au total et, finalement, le nombre brut de cas.

```{r, echo=FALSE, message=FALSE, warning=FALSE, collapse=F}

for (covariable in names(ADN_M)[11]) {
  print(paste("Analyse:", covariable))
  
  DesC <- ADN_M %>%
  group_by(groupe, ADN_M[[covariable]] , .drop = FALSE) %>%
  summarise(nb = n())%>%
  # ungroup() %>%
  mutate(pourcentage.g = nb / sum(nb) * 100) %>% 
  ungroup() %>%
  mutate(pourcentage.t = nb / sum(nb) * 100)  
    
    
# Pourcentage par rapport au groupe
#   DesC <- DesC %>%
  print("Pourcentage par rapport au groupe")
Des  <- DesC %>%
  select(groupe, pourcentage.g, `ADN_M[[covariable]]`) %>%
  spread(key = groupe , value = pourcentage.g, fill = 0) %>%
  rename( Variable = `ADN_M[[covariable]]`)

  print.data.frame(Des)

# Pourcentage par rapport au total
  print("Pourcentage par rapport au total")
Des <- DesC %>%
  select(groupe, pourcentage.t, `ADN_M[[covariable]]`) %>%
  spread(key = groupe , value = pourcentage.t, fill = 0) %>%
  rename( Variable = `ADN_M[[covariable]]`)
  print.data.frame(Des)

# Nombre de cas
  print("Nombre de cas")
Des <- DesC %>%
  select(groupe, nb, `ADN_M[[covariable]]`) %>%
  spread(key = groupe , value = nb, fill = 0) %>%
  rename( Variable = `ADN_M[[covariable]]`)
  print.data.frame(Des)
  
  print("-----------------------------------------------------------------------------------------")
# # # print.data.frame(DesC)
  
}

rm(covariable, DesC, Des)

```

Enfin, fe nombre moyen de deplacements par jour par personne par groupe (nd/per) et budget distance moyen (km/per) par groupe sont également calculés. Il se fait donc nécessaire utiliser la base de données déplacement brute pour ces calculs. Les résultats se trouvent dans le tableau suivant:

```{r message=FALSE, warning=FALSE, echo = F}
load(PathR.Deplacement)


tripTable <- BD_depl_EMD
rm(BD_depl_EMD)

# Creation d'un identifiant unique pour chaque individu; 
# Concatenation de Secteur de Tirage(DTIR), Zone fine de residance(DP2), Nº Echantillon(ECH) et Nº Personne (PER)
tripTable <- tripTable %>% 
  unite(ID_IND, c("DTIR","DP2","ECH","PER")) %>% 
  mutate(DIST = as.integer(DIST))


tripTable <- tripTable %>% 
             left_join(y = ADN_M, by = "ID_IND", keep = F ) 

tripTable <- tripTable %>% 
             filter(is.na(groupe) == FALSE)

# Nombre moyen de deplacements par jour par personne 
print("Nombre moyen de deplacements par jour par personne par groupe (nd/per)")
DesC <- tripTable %>%
  group_by(groupe, ID_IND, .drop = FALSE) %>%
  summarise(nd = n()) %>% 
  group_by(groupe) %>% 
  summarise( nm = sum(nd)/n())

print.data.frame(DesC)

# Budget distance moyen (km/per)

print("Budget distance moyen (km/per) par groupe")
DesC <- tripTable %>%
  group_by(groupe, ID_IND, .drop = FALSE) %>%
  summarise(dm = sum(DIST)/(1000)) %>%
  group_by(groupe) %>%
  summarise(bdm = sum(dm)/n())

print.data.frame(DesC)
# %>%
#   mutate(total.g = sum(nb)) %>% 
  
  # ungroup() %>%
  # mutate(pourcentage.t = nb / sum(nb) * 100)

```