typo

module4/ressources/exo1.org

@@ -6,42 +6,41 @@
 #+OPTIONS: num:nil toc:t
 #+PROPERTY: header-args :eval never-export
 
-* Exercice 1: Ré-exécuter n'est pas répliquer...
+* Exercice 1 : Ré-exécuter n'est pas répliquer...
 Même si la terminologie peut varier d'un auteur ou d'une communauté à
 l'autre, il est important de comprendre que l'on peut distinguer
-différent niveau de "réplication" selon que l'on s'est contenté de
+différents niveaux de "réplication" selon que l'on s'est contenté de
 vérifier que l'on pouvait ré-exécuter le code et obtenir exactement les
 mêmes résultats ou bien que l'on arrivait à reproduire des résultats
 similaires en suivant une approche similaire (éventuellement avec un
-autre langage, une autre méthode de calcul, etc.). À Ce sujet, vous
-pourrez vouloir par exemple lire https://arxiv.org/abs/1708.08205.
+autre langage, une autre méthode de calcul, etc.). À ce sujet, vous
+pourrez vouloir par exemple lire [[https://arxiv.org/abs/1708.08205][https://arxiv.org/abs/1708.08205]].
 
-Le diable se cache souvent dans des endroits auxquels on ne penserait
-jamais et nous sommes nous-mêmes allés de surprise en surprise en
+Le diable se cache souvent dans des endroits auxquels on n'aurait jamais 
+pensé et nous sommes nous-mêmes allés de surprise en surprise en
 préparant ce MOOC, notamment avec l'exercice du module 2 sur
 Challenger. C'est pourquoi nous vous proposons dans cet exercice, de
 refaire une partie de l'analyse des données de Challenger, comme l'ont
 fait Siddhartha Dallal et ses co-auteurs il y a presque 30 ans dans
 leur article /Risk Analysis of the Space Shuttle: Pre-Challenger
 Prediction of Failure/ et publié dans le /Journal of the American
-Statistical Association/ (Vol. 84, No. 408, Déc., 1989), mais dans
-dans un autre langage de votre choix (Python, R, Julia, SAS,
-...). 
+Statistical Association/ (Vol. 84, No. 408, Déc., 1989) mais dans
+dans un autre langage de votre choix (Python, R, Julia, SAS...). 
 
 Nous savons d'expérience que si les estimations de pente et
 d'intercept sont généralement les mêmes, on peut avoir des différences
-lorsque l'on regarde un peu plus dans les détails les estimateurs de
-variance et le R^2. Il peut également y avoir des surprises dans le
+lorsque l'on regarde les estimateurs de variance et le R^2 un peu plus 
+dans les détails. Il peut également y avoir des surprises dans le
 graphique final selon les versions de bibliothèques utilisées.
 
 L'ensemble des calculs à effectuer est décrit ici avec les
-indications sur comment contribuer:
-https://app-learninglab.inria.fr/gitlab/moocrr-session1/moocrr-reproducibility-study/
+indications sur comment contribuer :
+[[https://app-learninglab.inria.fr/gitlab/moocrr-session1/moocrr-reproducibility-study/][https://app-learninglab.inria.fr/gitlab/moocrr-session1/moocrr-reproducibility-study/]]
 
-Vous y trouverez notre réplication des calculs de Dallal et al. (en
-R), une mise en œuvre en python et une en R (très similaires à ce que
+Vous y trouverez notre réplication des calculs de Dallal /et al./ (en
+R), une mise en œuvre en Python et une en R (très similaires à ce que
 vous avez pu utiliser dans le module 2). Cet exercice peut donc se
-faire à deux niveaux:
+faire à deux niveaux :
 1. un niveau facile pour ceux qui repartiront du code dans le langage
    qu'ils n'auront initialement pas utilisé et se contenteront de le
    ré-exécuter. Pour cela, nul besoin de maîtriser la régression
@@ -52,15 +51,15 @@ faire à deux niveaux:
    section 4A du module 2]] qui expliquent comment y importer un
    notebook.
 2. un niveau plus difficile pour ceux qui souhaiteront le réécrire
-   complètement (éventuellement dans un autre langage que R ou python,
+   complètement (éventuellement dans un autre langage que R ou Python,
    l'expérience peut être d'autant plus intéressante que nous n'avons
    pas testé ces variations). Là, si les fonctions de calcul d'une
-   régression logistique ne sont pas présente, il y a par contre
+   régression logistique ne sont pas présentes, il y a par contre
    intérêt à en savoir un minimum pour pouvoir les
    implémenter. L'exercice en est d'autant plus instructif. 
 
 Vous pourrez alors discuter sur le forum des succès et des échecs que
-vous avez pu rencontrer. Pour cela:
+vous aurez pu rencontrer. Pour cela :
 - *Vous publierez auparavant dans votre dépôt les différents notebooks*
   en prenant bien soin d'enrichir votre document des informations
   (numéros de version, etc.) sur votre système et sur les
@@ -68,24 +67,24 @@ vous avez pu rencontrer. Pour cela:
 - Vous indiquerez votre résultat (que ça soit un succès ou échec à
   obtenir les mêmes résultats) en *remplissant ce [[https://app-learninglab.inria.fr/gitlab/moocrr-session1/moocrr-reproducibility-study/blob/master/results.md][tableau]]* (vous avez
   les droits d'édition donc il vous suffit d'éditer les fichiers via
-  l'interface GitLab). Vous vérifierez les valeurs obtenues pour
+  l'interface GitLab). Vous vérifierez les valeurs obtenues pour :
   1) les coefficients de la pente et de l'intercept
   2) les estimations d'erreur de ces coefficients
   3) le goodness of fit
   4) la figure
   5) la zone de confiance
-- Pour chacun vous indiquerez si le résultat est:
+- Pour chacun vous indiquerez si le résultat est :
   - identique
   - proche à moins de trois décimales
   - très différent
   - non fonctionnel (pas de résultat obtenu)
-  Vous indiquerez également dans ce tableau:
-  - Un lien vers votre espace gitlab contenant les différents notebooks
-  - Le nom du système d'exploitation utilisé
-  - Le langage utilisé et son numéro de version
-  - Les numéros des principales bibliothèques utilisées
-    - Python: numpy, pandas, matplotlib, statsmodels, ...
-    - R: BLAS, ggplot, dplyr si chargées
+  Vous indiquerez également dans ce tableau :
+  - un lien vers votre espace gitlab contenant les différents notebooks
+  - le nom du système d'exploitation utilisé
+  - le langage utilisé et son numéro de version
+  - les numéros des principales bibliothèques utilisées
+    - Python : numpy, pandas, matplotlib, statsmodels...
+    - R : BLAS, ggplot, dplyr si chargées
 
 Ne vous inquiétez pas si ces consignes vous semblent peu claires sur l'instant,
 elles sont rappelées en haut du [[https://app-learninglab.inria.fr/gitlab/moocrr-session1/moocrr-reproducibility-study/blob/master/results.md][tableau]] et vous vous rendrez vite