diff --git a/module2/exo2/exercice_fr.Rmd b/module2/exo2/exercice_fr.Rmd
index c8c6a66ad2cebf916d3721d436bde6d5cff10d71..86f4538bb9906e83fb04eaf97c64edd099a9fa58 100644
--- a/module2/exo2/exercice_fr.Rmd
+++ b/module2/exo2/exercice_fr.Rmd
@@ -42,3 +42,54 @@ Ecart-type : 4,33
 Min : 2.80
 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