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)