avec l'ercice 2-3

module2/exo2/exercice_fr.Rmd

@@ -45,6 +45,8 @@ Il est alors aisé d'obtenir une approximation (pas terrible) de $\pi$ en compta
 ```{r}
 4*mean(df$Accept)
 ```
+## Exercice 2-3
+En premier lieu, création du cet de donnée dans la variable "teston" :
 
 ```{r}
 teston <- c(14.0, 7.6, 11.2, 12.8, 12.5, 9.9, 14.9, 9.4, 16.9, 10.2, 14.9, 18.1, 7.3, 9.8, 10.9,12.2, 9.9, 2.9, 2.8, 15.4, 15.7, 9.7, 13.1, 13.2, 12.3, 11.7, 16.0, 12.4, 17.9, 12.2, 16.2, 18.7, 8.9, 11.9, 12.1, 14.6, 12.1, 4.7, 3.9, 16.9, 16.8, 11.3, 14.4, 15.7, 14.0, 13.6, 18.0, 13.6, 19.9, 13.7, 17.0, 20.5, 9.9, 12.5, 13.2, 16.1, 13.5, 6.3, 6.4, 17.6, 19.1, 12.8, 15.5, 16.3, 15.2, 14.6, 19.1, 14.4, 21.4, 15.1, 19.6, 21.7, 11.3, 15.0, 14.3, 16.8, 14.0, 6.8, 8.2, 19.9, 20.4, 14.6, 16.4, 18.7, 16.8, 15.8, 20.4, 15.8, 22.4, 16.2, 20.3, 23.4, 12.1, 15.5, 15.4, 18.4, 15.7, 10.2, 8.9, 21.0)
@@ -60,3 +62,16 @@ median(teston)
 sd(teston)
 ```
 
+## Exercice 2-3
+Maintenant il me faut faire des graphiques.
+Le premier est avec plot :
+```{r}
+plot(teston, type = "l", col = "blue", ylab = "", xlab = "", xaxs = "i")
+```
+
+Le second est avec l'histogramme :
+
+```{r}
+hist(teston, col = "blue", ylab = "", xlab = "", main = "", xaxs = "i")
+```
+