Réponses

Partie 1 : Collecte et Préparation des Données

appartements <- data.frame(
  id = 1:10,
  quartier = factor(c("Centre-ville", "Ngui", "Tsinfem", "Ngui", "Centre-ville", 
                      "Tsinfem", "Centre-ville", "Ngui", "Tsinfem", "Centre-ville")),
  loyer = c(150000, 100000, 120000, 110000, 140000, 130000, 125000, 90000, 135000, 160000),
  nombre_chambres = c(3, 2, 3, 2, 4, 3, 3, 1, 2, 4),
  satisfaction_locataire = factor(c(4, 3, 5, 4, 2, 5, 4, 3, 5, 2))
)
        

Partie 2 : Analyse Statistique

# Loyer moyen par quartier
loyer_moyen_par_quartier <- aggregate(loyer ~ quartier, data = appartements, mean)

# Nombre total d'appartements par quartier
nombre_appartements_par_quartier <- table(appartements$quartier)

# Quartier avec la plus haute satisfaction moyenne des locataires
satisfaction_moyenne <- aggregate(as.numeric(as.character(satisfaction_locataire)) ~ quartier, 
                                  data = appartements, mean)
quartier_haute_satisfaction <- satisfaction_moyenne[which.max(satisfaction_moyenne[,2]), "quartier"]
        

Partie 3 : Visualisation des Données

library(ggplot2)

# Graphique à barres pour le loyer moyen par quartier
ggplot(loyer_moyen_par_quartier, aes(x = quartier, y = loyer)) +
  geom_bar(stat = "identity", fill = "skyblue") +
  labs(title = "Loyer moyen par quartier à Dschang", x = "Quartier", y = "Loyer moyen (FCFA)")

# Graphique en nuage de points pour la relation entre le nombre de chambres et le loyer
ggplot(appartements, aes(x = nombre_chambres, y = loyer, color = quartier)) +
  geom_point(size = 3) +
  labs(title = "Relation entre le nombre de chambres et le loyer", x = "Nombre de chambres", y = "Loyer (FCFA)")

# Graphique en boîte à moustaches pour la satisfaction des locataires par quartier
ggplot(appartements, aes(x = quartier, y = as.numeric(as.character(satisfaction_locataire)), fill = quartier)) +
  geom_boxplot() +
  labs(title = "Satisfaction des locataires par quartier", x = "Quartier", y = "Satisfaction des locataires")