journal_calcul1_exercice_en.Rmd

module2/exo4/exercice_en.Rmd

 ---
-title: "Your title"
-author: "Your name"
-date: "Today's date"
-output: html_document
+title: "Analyse de méthodes de calcul des surfaces de feuilles de tomate G6"
+author: "Nathalie Brouard"
+format: html
+editor: visual
 ---
 
+tsf<-read.csv2("area.csv")echo: false
+        names(tsf)
+
+        str(tsf)
+
+        ```
+
+        </div>
+
+    </div>
+
+```{r}
+area_scan<-tsf$Area.scan
+leaf_Lw<-tsf$aLwb
+leaf_LiLw<-tsf$aLib.Lwc
+n_echantillon<-tsf$N.
+conditions<-tsf$Conditions
+```
+
+-   <div>
+
+    ```{r}
+    #créer une variable par condition : LC,LCS,LS,LSS
+    head (conditions) 
+    summary(conditions)
+    table(conditions)
+
+    #première méthode : comparaison des surfaces scannées de feuilles de tomate G6 avec les mesures Lw (longueur de feuille)
+
+    comparaison_1<-data.frame(n_echantillon, Area.scan = area_scan, aLwb = leaf_Lw, conditions)
+
+    #intervalle de confiance par correlation linéaire de pearson
+    cor.test(tsf$Area.scan,tsf$aLwb)
+
+    #regression logistique
+    mod1<-lm(Area.scan~aLwb, data = tsf)
+    summary(mod1)
+    t.test(tsf$Area.scan,tsf$aLwb)
+    drop1(mod1,Area.scan~aLwb,test = "F")
+
+    #regression linéaire simple
+    plot(jitter(tsf$Area.scan),jitter(tsf$aLwb))
+
+     
+    # Définir les couleurs pour chaque condition
+    couleurs <- c("LC" = "blue", "LCS" = "green", "LS" = "red", "LSS" = "orange")
+
+    ggplot(comparaison_1, aes(x = Area.scan, y = aLwb, color = conditions)) +
+    geom_point() + # Ajouter des points
+    scale_color_manual(values = couleurs) + # Spécifier les couleurs manuelles
+      labs(x = "Surfaces de feuilles de tomate scannées et analysées par ImageJ",
+           y = "Surfaces de feuilles de tomate analysées par mesure du Lw",
+           titre = "Comparaison entre les surfaces scannées et les surfaces mesurées de feuilles de tomate G6")
+
+
+    #deuxième méthode : comparaison des surfaces scannées de feuilles de tomate G6 avec les mesures Lw et Li (longueur de feuille)
+    comparaison_2<-data.frame(n_echantillon, Area.scan = area_scan, aLib.Lwc = leaf_LiLw, conditions)
+
+    #intervalle de confiance par correlation linéaire de pearson
+    cor.test(tsf$Area.scan,tsf$aLib.Lwc)
+
+    #regression logistique
+    mod2<-lm(Area.scan~aLib.Lwc, data = tsf)
+    summary(mod2)
+    t.test(tsf$Area.scan,tsf$aLib.Lwc)
+    drop1(mod2,Area.scan~aLib.Lwc,test = "F")
+
+    #regression linéaire simple
+    plot(jitter(tsf$Area.scan),jitter(tsf$aLib.Lwc))
+
+    # Créer le graphique ggplot2
+    # Définir les couleurs pour chaque condition
+    couleurs <- c("LC" = "blue", "LCS" = "green", "LS" = "red", "LSS" = "orange")
+
+    ggplot(comparaison_2, aes(x = Area.scan, y = aLib.Lwc, color = conditions)) +
+    geom_point() + # Ajouter des points
+    scale_color_manual(values = couleurs) + # Spécifier les couleurs manuelles
+      labs(x = "Surfaces de feuilles de tomate scannées et analysées par ImageJ",
+           y = "Surfaces de feuilles de tomate analysées par mesure du Lw",
+           titre = "Comparaison entre les surfaces scannées et les surfaces mesurées de feuilles de tomate G6")
+
+
+    ```
+
+    </div>
+
+You can add options to executable code like this
+
+```{r}
+#| echo: false
+
+```
+
+The `echo: false` option disables the printing of code (only output is displayed).
+
 
 ```{r setup, include=FALSE}
 knitr::opts_chunk$set(echo = TRUE)