diff --git a/module2/exo2/exercice_fr.Rmd b/module2/exo2/exercice_fr.Rmd
index 86f4538bb9906e83fb04eaf97c64edd099a9fa58..27b04a4a83a5198436f5278389b7e2627f250247 100644
--- a/module2/exo2/exercice_fr.Rmd
+++ b/module2/exo2/exercice_fr.Rmd
@@ -44,52 +44,3 @@ Mediane : 14,5
 Max : 23,40
 
 
-## Exercice 2 - partie 4
-
-2024-10-30 - étude des caractéristiques d'une population fictive    :Population:
-
-Création d'un jeu de données :
-```{r}
-# Créer les vecteurs de données
-ID = 1:10
-Taille = c(172, 180, 165, 158, 190, 175, 168, 185, 162, 178)
-Poids = c(68, 75, 60, 55, 80, 72, 65, 78, 59, 70)
-Age = c(25, 32, 27, 22, 35, 29, 24, 33, 26, 28)
-
-
-# Créer le data frame
-donnees <- data.frame(ID, Taille, Poids, Age)
-
-# Afficher le data frame
-print(donnees)
-```
-
-Obtention des résumés statistiques pour les différents paramètres :
-```{r}
-#resumes statistiques
-summary(Taille)
-summary(Poids)
-summary(Age)
-```
-
-Taille :
-  Min. 1st Qu.  Median    Mean 3rd Qu.    Max. 
-  158.0   165.8   173.5   173.3   179.5   190.0 
-
-Poids :
-   Min. 1st Qu.  Median    Mean 3rd Qu.    Max. 
-  55.00   61.25   69.00   68.20   74.25   80.00 
-
-Age :
-   Min. 1st Qu.  Median    Mean 3rd Qu.    Max. 
-  22.00   25.25   27.50   28.10   31.25   35.00 
-
-Représentation de la taille en fonction de l'âge :
-```{r}
-library(ggplot2)
-plot2=ggplot(donnees, aes(x = Age, y = Taille)) +
-  geom_point()+geom_smooth()
-plot2
-
-```
-Conclusion : on voit que dans ce jeu de données, l'évolution de la taille et en corrélation avec l'âge, bien que cette corrélation n'est pas linéaire