Exploration des données

Cette section présente les données contenues dans le jeu de données. Elle permet notamment de prendre connaissance des statistiques relatives aux différentes variables d’intérêt et de visualiser leur distribution.

true
2021-12-21

La vaccination à travers le monde

Les données les plus récentes

Comme mentionné dans la section Importation et préparation des données, les données sur la vaccination sont disponibles sur une base quotidienne, mais tous les pays ne procédent pas à la mise à jour de leurs données avec la même fréquence.

Commençons par analyser la distribution des pays selon la plus récente observation en lien avec la vaccination.

Show code 
ggplot(df_pays, aes(date, fill = continent)) +
  geom_histogram() +
  scale_x_date(name = "Date de l'observation") +
  scale_y_continuous(name = "Fréquence") +
  ggtitle("Distribution des pays selon la plus récente observation") +
  theme_economist() +
  theme(legend.position = "top", legend.direction = "horizontal",
        legend.box = "horizontal",
        legend.key.size = unit(0.6, "cm"),
        plot.title = element_text(family="Tahoma", size = 14),
        text = element_text(family = "Tahoma"),
        axis.title = element_text(size = 10),
        legend.text = element_text(size = 10),
        legend.title= element_blank())

En analysant le graphique de la distribution des pays, le premier constat est que la majorité des observations sont datées après le mois de novembre. Il y a toutefois quelques pays dont les données les plus récentes se détachent des autres. De quel pays s’agit-il?

Show code 
old %>%
  kbl() %>%
  kable_styling(bootstrap_options = c("striped", "hover", "condensed"), full_width = F)
Pays Continent Observation la plus récente
Turkmenistan Asia 2021-08-29
Nauru Asia 2021-08-31
Monaco Europe 2021-09-16
Tuvalu Asia 2021-10-22

Si on exclut les 4 pays qui ont des observations qui datent de plus d’un mois, on obtient des observations dont la date varie entre le 2021-11-23 et le 2021-12-20, avec le 2021-12-16 comme date moyenne. En d’autres mots, l’écart varie de 1 à 28 jours avec une moyenne de 5 jours. Visuellement, voici la distribution :

Show code 
ggplot(new, aes(date, fill = continent)) +
  geom_histogram() +
  scale_x_date(name = "Date de l'observation") +
  scale_y_continuous(name = "Fréquence") +
  ggtitle("Distribution des pays selon la plus récente observation") +
  theme_economist() +
  theme(legend.position = "top", legend.direction = "horizontal",
        legend.box = "horizontal",
        legend.key.size = unit(0.6, "cm"),
        plot.title = element_text(family="Tahoma", size = 14),
        text = element_text(family = "Tahoma"),
        axis.title = element_text(size = 10),
        legend.text = element_text(size = 10),
        legend.title= element_blank())

Les statistiques sur la vaccination

Toujours en utilisant le jeu de données avec les observations les plus récentes par pays, explorons maintenant les statistiques descriptives des données sur la vaccination.

Statistiques descriptives des données sur la vaccination, selon l’observation la plus récente chaque pays
Show code 
sommaire %>%
  kbl() %>%
  kable_styling(bootstrap_options = c("striped", "hover", "condensed"), full_width = F)
Variable Minimum Maximum Moyenne Écart type Données manquantes
Vaccins administrés 6086 2695181000 46330533 224735252 2
Vaccins administrés par 100 hab. 0 259 96 62 2
Doses de rappels administrées 1234 60715948 4519472 9243227 121
Doses de rappels administrées par 100 hab. 0 55 17 14 121
Personnes vaccinées 4010 829219869 17342271 67202500 8
Personnes vaccinées par 100 hab. 0 99 48 27 8
Personnes pleinement vaccinées 2076 551003319 13438338 46654532 7
Personnes pleinement vaccinées par 100 hab. 0 90 41 27 7

L’analyse de ce tableau montre beaucoup de disparités pour les 191 pays présents. En effet, l’écart entre les minimums et les maximums est généralement grand. Des minimums sont même nuls. Il est également possible de constater que 121 pays n’ont pas encore commencé à administrer des doses de rappel du vaccin.

Pays versus continent

Les statistiques précédentes sont très intéressantes. Toutefois, les statistiques ont été calculées sur les données de l’ensemble des pays. En considérant qu’il y a beaucoup de disparités entre les différentes régions du monde, il serait intéressant de voir comment les statistiques changent quand on groupe les pays par continent.

Données sur la vaccination, moyenne
Show code 
mean_ens %>%
  kbl() %>%
  kable_styling(bootstrap_options = c("striped", "hover", "condensed"), full_width = F)
Continent Vaccins administrés Doses de rappels administrés Personnes vaccinées Personnes pleinement vaccinées
Africa 5416231 701546 3488142 2220480
America North 34816263 7571546 17482795 14641773
America South 52637325 4933247 27219033 22647310
Asia 106509725 2952319 33486800 24545377
Europe 25629429 4372592 11868319 10991688
Ensemble des pays 46330533 4519472 17342271 13438338
Données sur la vaccination par 100 habitants, moyenne
Show code 
mean100_ens %>%
  kbl() %>%
  kable_styling(bootstrap_options = c("striped", "hover", "condensed"), full_width = F)
Continent Vaccins administrés par 100 hab. Doses de rappels administrés par 100 hab. Personnes vaccinées par 100 hab. Personnes pleinement vaccinées par 100 hab.
Africa 33.2 5.9 20.0 14.7
America North 104.0 8.0 52.8 45.1
America South 132.3 14.8 67.0 56.0
Asia 111.7 12.3 57.0 48.6
Europe 135.3 21.3 63.8 58.5
Ensemble des pays 95.8 16.7 48.2 41.3

Déjà avec ce tableau, il est possible de constater que les données varient beaucoup d’un continent à l’autre.

Observons maintenant la distribution des pays selon la variable personnes pleinement vaccinées par 100 habitants.

Show code 
ggplot(df_pays) +
  aes(x = continent, y = people_fully_vaccinated_per_hundred) +
  geom_boxplot(shape = "circle") +
  geom_jitter(position = position_jitter(width = 0.1, height = 0), alpha = 1/4, color = "#440154") +
  labs(
    x = "Continent",
    y = "Personnes pleinements vaccinées par 100 habitants",
    title = "Distribution des pays selon les personnes \npleinements vaccinées par 100 habitants"
  ) +
  theme_economist() +
   theme(plot.title = element_text(face = "bold", size = 14))

Ce graphique de boîtes à moustaches illustre bien la distribution des pays à l’intérieur des continents. L’Afrique, l’Asie et l’Europe se démarquent avec des pays qui se retrouvent répartis sur toute la distribution.

Show code 
ggplot(df_pays) +
  aes(x = continent, y = total_boosters_per_hundred) +
  geom_boxplot(shape = "circle") +
  geom_jitter(position = position_jitter(width = 0.1, height = 0), alpha = 1/4, color = "#440154") +
  labs(
    x = "Continent",
    y = "Doses de rappels administrés par 100 hab.",
    title = "Distribution des pays selon les doses de \nrappels administrés par 100 habitants"
  ) +
  theme_economist() +
   theme(plot.title = element_text(face = "bold", size = 14))

Et nos autres variables…

Voici les tableaux présentants les statistiques descritives et les graphiques de distributions des autres variables disponibles dans le jeu de données.

Statistiques descriptive de la variable population
Show code 
s_pop %>%
  kbl() %>%
  kable_styling(bootstrap_options = c("striped", "hover", "condensed"), full_width = F)
Continent Médiane Moyenne Écart type Minimum Maximum
Africa 13497237 25812940 36898867 98910 211400704
America North 4381583 25748347 72287712 53546 332915074
America South 18550418 36162513 58496108 591798 213993441
Asia 9749625 83487743 267583697 10873 1444216102
Europe 5680832 17725682 29391841 34010 145912022
Show code 
ggplot(df_pays) +
  aes(x = continent, y = population) +
  geom_boxplot(shape = "circle") +
  geom_jitter(position = position_jitter(width = 0.1, height = 0), alpha = 1/4, color = "#440154") +
  labs(
    y = "Population",
    title = "Distribution des pays selon la population"
  ) +
  theme_economist() +
   theme(plot.title = element_text(face = "bold", size = 14))

On note ici que les données extrêmes rendent le graphique moins intéressant ou plus difficile à comprendre.

Statistiques descriptive de la variable espérance de vie
Show code 
s_life %>%
  kbl() %>%
  kable_styling(bootstrap_options = c("striped", "hover", "condensed"), full_width = F)
Continent Médiane Moyenne Écart type Minimum Maximum
Africa 66.0 66.7 5.1 53.6 79.1
America North 75.1 76.0 3.4 66.3 82.5
America South 76.9 76.6 3.4 69.7 81.2
Asia 74.2 74.8 6.0 59.3 85.4
Europe 79.9 79.2 3.7 71.0 84.6
Show code 
ggplot(df_pays) +
  aes(x = continent, y = life_expectancy) +
  geom_boxplot(shape = "circle") +
  geom_jitter(position = position_jitter(width = 0.1, height = 0), alpha = 1/4, color = "#440154") +
  labs(
    y = "Espérance de vie",
    title = "Distribution des pays selon l'espérance de vie"
  ) +
  theme_economist() +
   theme(plot.title = element_text(face = "bold", size = 14))

Statistiques descriptive de la variable PIB réel estimé (G$)
Show code 
s_pib %>%
  kbl() %>%
  kable_styling(bootstrap_options = c("striped", "hover", "condensed"), full_width = F)
Continent Médiane Moyenne Écart type Minimum Maximum
Africa 36.6 121.5 240.7 0.8 1251.1
America North 34.3 1145.5 4401.9 0.8 21145.7
America South 169.7 519.4 858.7 8.3 3079.4
Asia 137.2 1134.4 3686.0 0.1 25626.5
Europe 180.7 662.2 1078.6 1.9 4435.5
Show code 
ggplot(df_pays) +
  aes(x = continent, y = gdp) +
  geom_boxplot(shape = "circle") +
  geom_jitter(position = position_jitter(width = 0.1, height = 0), alpha = 1/4, color = "#440154") +
  labs(
    y = "PIB réel estimé",
    title = "Distribution des pays selon le PIB réel estimé (G$)"
  ) +
  theme_economist() +
   theme(plot.title = element_text(face = "bold", size = 14))

Ici encore on note que les données extrêmes rendent le graphique moins intéressant ou plus difficile à comprendre.

Statistiques descriptive de la variable PIB par habitant estimé
Show code 
s_pib_capita %>%
  kbl() %>%
  kable_styling(bootstrap_options = c("striped", "hover", "condensed"), full_width = F)
Continent Médiane Moyenne Écart type Minimum Maximum
Africa 3230 5444 5485 673 25346
America North 13347 17669 14233 2758 63517
America South 14052 14271 5416 5285 24346
Asia 11289 20841 22742 1950 94610
Europe 37790 39341 21020 12745 113004
Show code 
ggplot(df_pays) +
  aes(x = continent, y = income_per_person) +
  geom_boxplot(shape = "circle") +
  geom_jitter(position = position_jitter(width = 0.1, height = 0), alpha = 1/4, color = "#440154") +
  labs(
    y = "PIB réel estimé par habitant",
    title = "Distribution des pays selon le PIB réel estimé par habitant"
  ) +
  theme_economist() +
   theme(plot.title = element_text(face = "bold", size = 14))

Données

Les données utilisées pour les analyses sont disponibles pour le téléchargement sur la page Données pour téléchargement.

Corrections

If you see mistakes or want to suggest changes, please create an issue on the source repository.

Citation

For attribution, please cite this work as

Lapierre (2021, Dec. 21). Projet final: Exploration des données. Retrieved from https://fas1002.github.io/FAS1002_projet-final

BibTeX citation

@misc{lapierre2021exploration,
  author = {Lapierre, Stéphanie},
  title = {Projet final: Exploration des données},
  url = {https://fas1002.github.io/FAS1002_projet-final},
  year = {2021}
}

FAS1002 - Projet final - Par Stéphanie Lapierre