diff --git a/module2/exo4/exercice_fr.Rmd b/module2/exo4/exercice_fr.Rmd
index 7eece5e296bb586e88166aa8a263ca75b44c2b9e..2854ffa10f1f2026af602a2dd4bf4ac9b514f2f7 100644
--- a/module2/exo4/exercice_fr.Rmd
+++ b/module2/exo4/exercice_fr.Rmd
@@ -1,33 +1,420 @@
 ---
-title: "Votre titre"
-author: "Votre nom"
-date: "La date du jour"
-output: html_document
+title: "Exo4 module 2"
+author: "Marc"
+date: "07/04/2020"
+output:
+  html_document: default
+  pdf_document: default
 ---
 
-
 ```{r setup, include=FALSE}
 knitr::opts_chunk$set(echo = TRUE)
 ```
 
-## Quelques explications
+## L'étude
+Cette étude consiste à évaluer mon usage du téléphone depuis le 25 février 2020 pour établir un lien entre la mise en place du confinement le 17 mars 2020 et mon usage téléphonique.
+
+## Le fichier de données
+Le fichier de données ci-après est une table représentant différents paramètres chaque jour depuis le 25/02/2020 :   
+- Le nombre d'appels émis : Appels\_emis  
+- Le nombre d'appels reçus : Appels\_recus (Comprends aussi les appels manqués)  
+- La durée totale des appels de la journée en seconde : Duree\_appels  
+- Le nombre de messages reçus : Messages\_recus  
+- Le nombre de messages envoyés : Messages\_envoyes  
+  
+Le fichier peut être importé comme ceci :  
+```{r}
+df<-read.csv("C:/Users/Marc/Desktop/MOOC/mooc-rr/module2/exo4/Book1.csv", sep = ";")
+head(df)
+```
 
-Ceci est un document R markdown que vous pouvez aisément exporter au format HTML, PDF, et MS Word. Pour plus de détails sur R Markdown consultez <http://rmarkdown.rstudio.com>.
+## L'analyse de l'usage téléphonique
 
-Lorsque vous cliquerez sur le bouton **Knit** ce document sera compilé afin de ré-exécuter le code R et d'inclure les résultats dans un document final. Comme nous vous l'avons montré dans la vidéo, on inclue du code R de la façon suivante:
+Tout d'abord on peut plotter les différents paramètres au cours du temps pour se donner un aperçu de mon usage :  
+  
+1. Les appels émis  
+```{r}
+barplot(df$Appels_emis, names.arg = df$ï..Date)
+```
 
-```{r cars}
-summary(cars)
+Les dates sont mal positionnées mais c'est pas grave. Il semble que j'ai beaucoup appelé autour de la date du 17 mars.  
+  
+2. Appels reçus  
+```{r}
+barplot(df$Appels_recus, names.arg = df$ï..Date)
 ```
 
-Et on peut aussi aisément inclure des figures. Par exemple:
+Il semble que j'ai reçu beaucoup d'appels la veille du 17 mars puis que j'ai reçu + d'appels en général après cette période qu'avant.  
+  
+3. Durée appel  
+```{r}
+barplot(df$Duree_appel, names.arg = df$ï..Date)
+```
 
-```{r pressure, echo=FALSE}
-plot(pressure)
+Là c'est très voyant. J'ai passé beaucoup de temps au téléphone après le 16 mars comparé à avant (sauf 2 fois).  
+  
+4. Messages reçus  
+```{r}
+barplot(df$Messages_recus, names.arg = df$ï..Date)
+```
+  
+5. Messages envoyés  
+```{r}
+barplot(df$Messages_envoyes, names.arg = df$ï..Date)
 ```
 
-Vous remarquerez le paramètre `echo = FALSE` qui indique que le code ne doit pas apparaître dans la version finale du document. Nous vous recommandons dans le cadre de ce MOOC de ne pas utiliser ce paramètre car l'objectif est que vos analyses de données soient parfaitement transparentes pour être reproductibles. 
+Pour les messages, la tendance est inverse aux appels : je reçois et envoie - de sms depuis le 17 mars comparé à avant.  
+J'ai eput être changé mon usage de l'un à l'autre.  
+Sauf autour du 16-17 mars où j'ai beaucoup communiqué.  
+
+### Représentation des moyennes avant et après le 17 mars
+Je vais rajouté une colonne pour indiqué avant ou après le 17 mars.  
+```{r}
+add<-c(rep("avant",21), rep("après",21))
+df$add<-add
+```
+Oui je sais c'est vraiment nul mais en gros je sais qu'il y a 42 lignes dans mon tableau (je peux le vérifier avec `length(df$Appels_emis)` par exemple) et que le 17 mars est la 22ème ligne.  
+J'ai donc ajouté 21 fois "avant" et 21 fois "après" sur une colonne dans mon data frame df.  
+  
+  
+Maintenant on va pouvoir calculer les moyennes des paramètres avant et après (inclus) le 17 mars 2020.  
+```{r}
+m_appels_emis<-c(mean(df$Appels_emis[df$add=="avant"]), mean(df$Appels_emis[df$add=="après"]))
+m_appels_recus<-c(mean(df$Appels_recus[df$add=="avant"]), mean(df$Appels_recus[df$add=="après"]))
+m_duree_appel<-c(mean(df$Duree_appel[df$add=="avant"]), mean(df$Duree_appel[df$add=="après"]))
+m_messages_recus<-c(mean(df$Messages_recus[df$add=="avant"]), mean(df$Messages_recus[df$add=="après"]))
+m_messages_envoyes<-c(mean(df$Messages_envoyes[df$add=="avant"]), mean(df$Messages_envoyes[df$add=="après"]))
+m_appels_emis
+m_appels_recus
+m_messages_recus
+m_messages_envoyes
+```
+Et les écarts-types :  
+```{r}
+sd_appels_emis<-c(sd(df$Appels_emis[df$add=="avant"]), sd(df$Appels_emis[df$add=="après"]))
+sd_appels_recus<-c(sd(df$Appels_recus[df$add=="avant"]), sd(df$Appels_recus[df$add=="après"]))
+sd_duree_appel<-c(sd(df$Duree_appel[df$add=="avant"]), sd(df$Duree_appel[df$add=="après"]))
+sd_messages_recus<-c(sd(df$Messages_recus[df$add=="avant"]), sd(df$Messages_recus[df$add=="après"]))
+sd_messages_envoyes<-c(sd(df$Messages_envoyes[df$add=="avant"]), sd(df$Messages_envoyes[df$add=="après"]))
+```
+
+  
+Maintenant on va pouvoir plotter les moyennes de tous les paramètres avant et après (inclus) le 17 mars 2020.  
+Le mieux c'est d'utiliser ggplot.   
+```{r}
+#install.packages("ggplot2")
+library(ggplot2)
+a<-data.frame(m_appels_emis, sd_appels_emis, c("aa", "ap"))
+ggplot(a, aes(x = a$c..aa....ap.., y = m_appels_emis))+
+    geom_bar(stat = "identity")+
+    geom_errorbar(ymin = a$m_appels_emis-a$sd_appels_emis, ymax = a$m_appels_emis+a$sd_appels_emis)+ 
+    ylim(-1,4)+
+    labs(title="Appels émis")
+```
+```{r}
+b<-data.frame(m_appels_recus, sd_appels_recus, c("aa", "ap"))
+ggplot(b, aes(x = b$c..aa....ap.., y = b$m_appels_recus))+
+    geom_bar(stat = "identity")+
+    geom_errorbar(ymin = b$m_appels_recus-b$sd_appels_recus, ymax = b$m_appels_recus+b$sd_appels_recus)+ 
+    ylim(-1,3)+
+    labs(title="Appels recus")
+```
+```{r}
+c<-data.frame(m_duree_appel, sd_duree_appel, c("aa", "ap"))
+ggplot(c, aes(x = c$c..aa....ap.., y = c$m_duree_appel))+
+    geom_bar(stat = "identity")+
+    geom_errorbar(ymin = c$m_duree_appel-c$sd_duree_appel, ymax = c$m_duree_appel+c$sd_duree_appel)+ 
+    ylim(-500,2000)+
+    labs(title="Duree appel")
+```
+```{r}
+d<-data.frame(m_messages_envoyes, sd_messages_envoyes, c("aa", "ap"))
+ggplot(d, aes(x = d$c..aa....ap.., y = d$m_messages_envoyes))+
+    geom_bar(stat = "identity")+
+    geom_errorbar(ymin = d$m_messages_envoyes-d$sd_messages_envoyes, ymax = d$m_messages_envoyes+d$sd_messages_envoyes)+ 
+    ylim(0,12)+
+    labs(title="Messages envoyes")
+```
+```{r}
+e<-data.frame(m_messages_recus, sd_messages_recus, c("aa", "ap"))
+ggplot(e, aes(x = e$c..aa....ap.., y = e$m_messages_recus))+
+    geom_bar(stat = "identity")+
+    geom_errorbar(ymin = e$m_messages_recus-e$sd_messages_recus, ymax = e$m_messages_recus+e$sd_messages_recus)+ 
+    ylim(-2,12)+
+    labs(title="Messages recus")
+```
+
+__Bilan : On voit des augmentations dans les appels et une diminution dans les messages mais les écarts types sont énormes__  
+  
+A mon avis, rien n'est significatif mais on peut s'entrainer sur un cas.  
+Comme il n'y a que 21 valeurs dans chaque groupe, je ne peux pas appliquer le théorème central limite. Je vais donc vérifier la distribution normale de chaque groupe ainsi que l'égalité des variances pour voir quel test statistique appliqué.  
+Prenons comme exemple la durée de l'appel.  
+```{r}
+shapiro.test(df$Duree_appel[df$add=="avant"])
+shapiro.test(df$Duree_appel[df$add=="après"])
+```
+Les tests de Shapiro-Wilk sont significatifs donc les distributions ne sont pas normales.  
+Utilisation de tests non paramétriques type Mann-Whitney :  
+```{r}
+wilcox.test(df$Duree_appel[df$add=="avant"],df$Duree_appel[df$add=="après"])
+```
+Ah ben en fait la durée des appels a significativement augmentée après le 17 mars 2020. Je ne suis pas super fort en statistiques donc j'espère que c'est correct. Aussi, 21 échantillons par groupe c'est pas mal pour un test non paramétrique.  
+  
+Du coup on va essayer de mettre une étoile sur le plot (ce qui n'est pas compris dans les fonctions ggplot).  
+Pour cela on va donc tester le code d'un ami disponible sur [Github](https://github.com/EvenStar69/significativity.bar).  
+```{r}
+#install.packages("devtools")
+library(devtools)
+#Besoin de Rtools 3.5
+#install_github("EvenStar69/significativity.bar/significativity.bar")
+library(significativity.bar)
+```
+Bon j'ai dû un peu changer sa fonction parce qu'elle n'est plus compatible avec ggplot 3.3.  
+J'ai changé la manière de retrouver les coordonnées y : The position of ymax in ggplot\_build(plot)\$data[[1]] changed from column 6 to 7.  
+Et j'ai changé la manière de retrouver l'échalle en y : panel_ranges in ggplot\_build(plot)\$layout does not exist anymore ... use panel\_scale\_y instead.  
+J'ai aussi dû mettre à jour R vers la version 3.6.3.  
+Voici le code modifié de sa fonction :  
+```{r}
+significativity_bar <- function(plot, groups, text = "*", text_height = 0.0275, size_bar = 1, color_bar = "black", size_text = 8, color_text = "black", font_face = 1, font_style = "serif", line_type = "solid"){
+  
+  
+  
+  if (!require("ggplot2", character.only=T, quietly=T)){ # use library ggplot
+    
+    install.packages("ggplot2")
+    
+    library(ggplot2, character.only=T)
+    
+  }
+  
+  
+  
+  if (class(plot)[1] != "gg"){
+    
+    stop("Your input plot is not a ggplot")
+    
+  }
+  
+  if (length(groups) != 2){
+    
+    stop("Please select only 2 groups between which you want the error bar")
+    
+  }
+  
+  if (!is.vector(groups)){
+    
+    stop("Please input your 2 selected groups in a vector")
+    
+  }
+  
+  if (!is.character(text)) {
+    
+    stop("Please input the text above the bar as character")
+    
+  }
+  
+  if (!is.numeric(text_height) | length(text_height) > 1){
+    
+    stop("Please input one numeric value for the text height")
+    
+  }
+  
+  if (!is.numeric(size_bar) | length(size_bar) > 1){
+    
+    stop("Please input one numeric value for the bar size")
+    
+  }
+  
+  if (!is.character(color_bar)){
+    
+    stop("Please input an existing R color, as a character, for the color of the bar")
+    
+  }
+  
+  if (!is.numeric(size_text) | length(size_text) > 1){
+    
+    stop("Please input one numeric value for the text size")
+    
+  }
+  
+  if (!is.numeric(font_face) | length(font_face) > 1){
+    
+    stop("Please input one numeric value for the font face")
+    
+  }
+  
+  if (!is.character(color_text)){
+    
+    stop("Please input an existing R color, as a character, for the color of the text")
+    
+  }
+  
+  if (!is.character(font_style)){
+    
+    stop("Please input an existing font family, as a character, for the color of the bar")
+    
+  }
+  
+  if (!is.character(line_type)){
+    
+    stop("Please input an existing line style, as a character, for the color of the bar")
+    
+  }
+  
+  
+  
+  if (text_height >=1){
+    
+    warning("text_height should be between 0 and 1, default value for * and around 0.04 for text are advised")
+    
+  }
+  
+  
+  
+  
+  
+  if (class(as.list.environment(plot$layers[[1]])$geom)[1] == "GeomPoint"){ # if the ggplot is a dotplot
+    
+    coords = ggplot_build(plot)$data[[1]] # get the coordinates of the points
+    
+    xcoords = c()
+    
+    ycoords = c()
+    
+    for (i in groups){ # get the x coordinates of all coordinates in a vector, for the 2 selected groups
+      
+      xcoord_temp = unique(coords$x)[i]
+      
+      xcoords = append(xcoords, xcoord_temp)
+      
+    }
+    
+    for (i in c(1,2)){
+      
+      ycoord_temp = max(coords[coords$x == xcoords[i],]$y) # get the y coordinate of the upper point of each group
+      
+      ycoords = append(ycoords, ycoord_temp)
+      
+    }
+    
+    
+    
+    y_range = ggplot_build(plot)$layout$panel_scales_y[[1]]$limits # get the total height of the y scale
+    # panel_ranges in ggplot_build(plot)$layout does not exist anymore ... use panel_scale_y instead
+    
+    y_sum = sum(abs(y_range)) 
+    
+    y_scale = (7.5/100)*y_sum # starting position of the vertical bar (determined % of the total y scale)
+    
+    bar_height = y_scale + ((5/100)*y_sum) # final position of the vertical bar (determined % of the total y scale in addition to y_scale)
+    
+    
+    
+    ycoord_top = max(ycoords) # the bar should take the heighest of the two groups as a reference
+    
+    coord_bar = data.frame(x = c(xcoords[1], xcoords[1], xcoords[2], xcoords[2]), y = c(ycoord_top + y_scale, ycoord_top + bar_height, ycoord_top + bar_height, ycoord_top + y_scale)) # final coordinates of the bar
+    
+    
+    
+    star_x = mean(xcoords) # x coordinate of the text above the bar (in the middle of the two groups)
+    
+    star_y = ycoord_top + bar_height + ((2.75/100)*y_sum) # y coordinate of the text above the bar (above the bar by a determined factor)
+    
+    coord_star = c(star_x, star_y) # x,y coordinates of the text above the bar
+    
+    
+    
+    plot = plot + geom_path(data = coord_bar, aes(x=x, y=y), size = size_bar, color = color_bar, linetype = line_type) + annotate("text", x = star_x, y = star_y, label = text, size = size_text, color = color_text, fontface = font_face, family = font_style) # create the new ggplot
+    
+    print(plot)
+    
+    
+    
+  } else if (class(as.list.environment(plot$layers[[1]])$geom)[1] == "GeomBar") { # if the ggplot is a dotplot
+    
+    coords = ggplot_build(plot)$data[[1]]
+    
+    xcoords = c()  
+    
+    ycoords = c()
+    
+    for (i in groups){ # get the x and y coordinates of the two groups                                      
+      
+      xcoord_temp = mean(c(coords[i,]$xmin, coords[i,]$xmax))
+      
+      xcoords = append(xcoords, xcoord_temp)
+      
+      ycoord_temp = coords[i,7] # The position of ymax in ggplot_build(plot)$data[[1]] changed from column 6 to 7
+      
+      ycoords = append(ycoords, ycoord_temp)
+      
+    }
+    
+    
+    
+    y_range = ggplot_build(plot)$layout$panel_scales_y[[1]]$limits # get the total height of the y scale
+    
+    y_sum = sum(abs(y_range))
+    
+    y_scale = (7.5/100)*y_sum  # starting position of the vertical bar (determined % of the total y scale)
+    
+    bar_height = y_scale + ((5/100)*y_sum) # final position of the vertical bar (determined % of the total y scale in addition to y_scale)
+    
+    
+    
+    ycoord_top = max(ycoords) # the bar should take the heighest of the two groups as a reference
+    
+    coord_bar = data.frame(x = c(xcoords[1], xcoords[1], xcoords[2], xcoords[2]), y = c(ycoord_top + y_scale, ycoord_top + bar_height, ycoord_top + bar_height, ycoord_top + y_scale)) #  final coordinates of the bar
+    
+    
+    
+    star_x = mean(xcoords) # x coordinate of the text above the bar (in the middle of the two groups)
+    
+    star_y = ycoord_top + bar_height + (text_height*y_sum) # y coordinate of the text above the bar (above the bar by a determined factor)
+    
+    coord_star = c(star_x, star_y) # x,y coordinates of the text above the bar
+    
+    
+    
+    plot = plot + geom_path(data = coord_bar, aes(x=x, y=y), size = size_bar, color = color_bar, linetype = line_type) + annotate("text", x = star_x, y = star_y, label = text, size = size_text, color = color_text, fontface = font_face, family = font_style) # create the new ggplot
+    
+    print(plot)
+    
+  }
+  
+}
+```
+
+
+```{r}
+gg<- ggplot(c, aes(x = c..aa....ap.., y = as.numeric(m_duree_appel)))+
+    geom_bar(stat = "identity")+
+    geom_errorbar(ymin = m_duree_appel-sd_duree_appel, ymax = m_duree_appel+sd_duree_appel)+ 
+    ylim(-500,5000)+
+    labs(title="Duree appel")
+significativity_bar(gg, groups = c(1,2))
+```
+
+
+### Taux de réponses
+
+Cette partie c'est juste pour voir si je répond autant aux messages qu'on m'en envoie.  
+```{r}
+Ratio<-df$Messages_recus/df$Messages_envoyes
+#Remplacement des NaN et inf (division par 0) en 0.
+Ratio[is.na(Ratio)]<-0
+Ratio[is.infinite(Ratio)]<-0
+barplot(Ratio)
+```
+```{r}
+mean(Ratio)
+```
+En moyenne c'est assez équilibré : je réponds autant de fois qu'on m'envoie un message.  
 
-Comme les résultats ne sont pas stockés dans les fichiers Rmd, pour faciliter la relecture de vos analyses par d'autres personnes, vous aurez donc intérêt à générer un HTML ou un PDF et à le commiter.
+## Conclusion
 
-Maintenant, à vous de jouer! Vous pouvez effacer toutes ces informations et les remplacer par votre document computationnel.
+__J'ai passé pas mal de temps à faire ça mais ça m'a permis de bien prendre en main l'outil.  
+Je conçois que mon étude est assez sale et que les manières de plotter ne sont vraiment pas optimisées mais ce n'était pas vraiment le but de l'exercice.__  
+  
+__Après avoir compilé, je n'ai pas pû le faire en pdf (des erreurs de polices qui ne passent pas avec LaTeX on dirait ...).  
+Aussi, j'ai remarqué qu'il fallait laissé un retour chariot après la visualisation du plot sinon le texte se met à côté dans le rendu.__