diff --git a/module2/exo4/exercice_en.Rmd b/module2/exo4/exercice_en.Rmd
index 13b258ddd0da29bc3bf08c64b6a1db742f6d5409..7e71dd8f9b5efd38eed8bc3b1fe1ef0757aa954c 100644
--- a/module2/exo4/exercice_en.Rmd
+++ b/module2/exo4/exercice_en.Rmd
@@ -1,10 +1,105 @@
---
-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)
+
+ ```
+
+
+
+
+
+```{r}
+area_scan<-tsf$Area.scan
+leaf_Lw<-tsf$aLwb
+leaf_LiLw<-tsf$aLib.Lwc
+n_echantillon<-tsf$N.
+conditions<-tsf$Conditions
+```
+
+-
+
+ ```{r}
+ #créer une variable par condition : LC,LCS,LS,LSS
+ head (conditions)
+ summary(conditions)
+ table(conditions)
+
+ #première méthode : comparaison des surfaces scannées de feuilles de tomate G6 avec les mesures Lw (longueur de feuille)
+
+ comparaison_1<-data.frame(n_echantillon, Area.scan = area_scan, aLwb = leaf_Lw, conditions)
+
+ #intervalle de confiance par correlation linéaire de pearson
+ cor.test(tsf$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$aLib.Lwc))
+
+ # Créer le graphique ggplot2
+ # Définir les couleurs pour chaque condition
+ couleurs <- c("LC" = "blue", "LCS" = "green", "LS" = "red", "LSS" = "orange")
+
+ ggplot(comparaison_2, aes(x = Area.scan, y = aLib.Lwc, color = conditions)) +
+ geom_point() + # Ajouter des points
+ scale_color_manual(values = couleurs) + # Spécifier les couleurs manuelles
+ labs(x = "Surfaces de feuilles de tomate scannées et analysées par ImageJ",
+ y = "Surfaces de feuilles de tomate analysées par mesure du Lw",
+ titre = "Comparaison entre les surfaces scannées et les surfaces mesurées de feuilles de tomate G6")
+
+
+ ```
+
+
+
+You can add options to executable code like this
+
+```{r}
+#| echo: false
+
+```
+
+The `echo: false` option disables the printing of code (only output is displayed).
+
```{r setup, include=FALSE}
knitr::opts_chunk$set(echo = TRUE)