TP1

Commencer par finir le TP1.

Serveurs

Voici les fichiers pour cet exercice et le suivant. Ils utilisent tous deux des données réelles. Pour lire les différents fichiers de données, utiliser un code semblable à celui fourni au TP1.

Vous trouverez dans le fichier TTL une liste de TTL correspondant à l'exécution de la commande ping vers un millier de serveurs. Typiquement, le TTL commence à une valeur qui vaut 255 (Cisco), 128 (Windows) ou 64 (Linux) et décroit à chaque fois qu'il traverse un routeur. On admet que les paquets du fichier TTL n'ont jamais passé plus de 60 routeurs.

• Donner une estimation du pourcentage de serveurs Web sous Linux, Windows et Cisco et donner un intervalle de confiance à 95% pour le pourcentage de serveurs sous Windows (Aide: pour l'intervalle de confiance, changer les données pour qu'elles valent "1" si c'est un Windows, et "0" sinon et appliquer le programme du TP précédent)
• Comparer avec le sondage netcraft (regarder les chiffres "top servers", le nombre total de serveurs est indiqué à la toute première ligne du document) sachant que les serveurs sous Windows correspondent à tous les serveurs Microsoft, et à 5% des serveurs Apache.
• Calculer le nombre de routeurs moyen traversés par un paquet, et un intervalle de confiance à 95% pour ce nombre. Calculer également la variance pour ce nombre.
• Ecrire un fichier qui contient pour chaque valeur n entre 0 et 60 le nombre de paquets qui ont traversé exactement n routeurs et afficher le résultat avec gnuplot. Vérifier que ca ressemble (un peu) à une gaussienne.

Albums

On cherche à estimer le nombre d'albums différents que propose un site spécialisé dans la critique d'albums. Il se trouve que tous les albums sur le site sont numérotés, on va utiliser cette information pour estimer ce nombre.

• Le site comporte un bouton random. En utilisant ce bouton 1000 fois, on obtient le fichier album-random. Estimer le nombre d'albums contenu dans le site

Cette première approche est inadaptée. En effet, de nombreux numéros correspondaient à des albums en double et ont été supprimés.

• Une deuxième approche consiste à choisir aléatoirement 2000 nombres entre 1 et 4500000, et à regarder si l'album existe. L'expérience obtient 1160 vrais albums. En déduire une estimation du nombre d'albums sur le site et un intervalle de confiance à 95%.

• La troisième approche procède ainsi. Le site publie une liste des 10000 meilleurs albums (qui en contient en fait un tout petit peu plus) qui est dans le fichier top-10000. Chercher combien il y a d'albums en commun entre les fichiers top-10000 et album-random et en déduire une estimation du nombre total d'albums. (Bien réfléchir à comment calculer le nombre d'albums en commun, pour avoir un algorithme suffisament rapide)

(Note: L'estimation par la deuxième méthode est très proche de la réalité, la troisème approche surestime la population)