Update exercice_R_fr.org

module2/exo4/exercice_R_fr.org

-#+TITLE:  Votre titre
-#+AUTHOR: Votre nom
-#+DATE:   La date du jour
-#+LANGUAGE: fr
-# #+PROPERTY: header-args :eval never-export
+# -*- mode: org -*-
+# -*- coding: utf-8 -*-
+#+STARTUP: overview indent inlineimages logdrawer
+#+TITLE:       Journal
+#+AUTHOR:      Put your name here
+#+LANGUAGE:    en
 
 #+HTML_HEAD: <link rel="stylesheet" type="text/css" href="http://www.pirilampo.org/styles/readtheorg/css/htmlize.css"/>
 #+HTML_HEAD: <link rel="stylesheet" type="text/css" href="http://www.pirilampo.org/styles/readtheorg/css/readtheorg.css"/>
@@ -11,34 +12,27 @@
 #+HTML_HEAD: <script type="text/javascript" src="http://www.pirilampo.org/styles/lib/js/jquery.stickytableheaders.js"></script>
 #+HTML_HEAD: <script type="text/javascript" src="http://www.pirilampo.org/styles/readtheorg/js/readtheorg.js"></script>
 
-* Quelques explications
-
-Ceci est un document org-mode avec quelques exemples de code
-R. Une fois ouvert dans emacs, ce document peut aisément être
-exporté au format HTML, PDF, et Office. Pour plus de détails sur
-org-mode vous pouvez consulter https://orgmode.org/guide/.
-
-Lorsque vous utiliserez le raccourci =C-c C-e h o=, ce document sera
-compilé en html. Tout le code contenu sera ré-exécuté, les résultats
-récupérés et inclus dans un document final. Si vous ne souhaitez pas
-ré-exécuter tout le code à chaque fois, il vous suffit de supprimer
-le # et l'espace qui sont devant le ~#+PROPERTY:~ au début de ce
-document.
-
-Comme nous vous l'avons montré dans la vidéo, on inclut du code
-R de la façon suivante (et on l'exécute en faisant ~C-c C-c~):
-
-#+begin_src R :results output :exports both
-print("Hello world!")
-#+end_src
-
-#+RESULTS:
-: [1] "Hello world!"
-
-Voici la même chose, mais avec une session R (c'est le cas le
-plus courant, R étant vraiment un langage interactif), donc une
-persistance d'un bloc à l'autre (et on l'exécute toujours en faisant
-~C-c C-c~).
+#+LATEX_HEADER: \usepackage[utf8]{inputenc}
+#+LATEX_HEADER: \usepackage[T1]{fontenc}
+#+LATEX_HEADER: \usepackage[a4paper,margin=.8in]{geometry}
+#+LATEX_HEADER: \usepackage[french]{babel}
+#+TAGS: LIG(L) HOME(H) Europe(E) Blog(B) noexport(n) Stats(S)
+#+TAGS: Epistemology(E) Vulgarization(V) Teaching(T) R(R) OrgMode(O) Python(P)
+#+EXPORT_SELECT_TAGS: Blog
+#+OPTIONS:   H:3 num:t toc:t \n:nil @:t ::t |:t ^:t -:t f:t *:t <:t
+#+OPTIONS:   TeX:t LaTeX:nil skip:nil d:nil todo:t pri:nil tags:not-in-toc
+#+EXPORT_SELECT_TAGS: export
+#+EXPORT_EXCLUDE_TAGS: noexport
+#+COLUMNS: %25ITEM %TODO %3PRIORITY %TAGS
+#+SEQ_TODO: TODO(t!) STARTED(s!) WAITING(w@) APPT(a!) | DONE(d!) CANCELLED(c!) DEFERRED(f!)
+
+* 2021
+** 2021-03 mars
+*** 2021-03-02 mardi
+**** Premier pas avec org mode
+
+-note1
+-note2
 
 #+begin_src R :results output :session *R* :exports both
 summary(cars)
@@ -53,32 +47,120 @@ summary(cars)
 :  3rd Qu.:19.0   3rd Qu.: 56.00  
 :  Max.   :25.0   Max.   :120.00
 
-Et enfin, voici un exemple de sortie graphique:
-#+begin_src R :results output graphics :file "./cars.png" :exports results :width 600 :height 400 :session *R* 
+#+begin_src R :results output graphics :file (org-babel-temp-file "figure" ".png") :exports both :width 600 :height 400 :session *R*
+plot(cars)
+#+end_src
+
+#+RESULTS:
+#+begin_src R :results output graphics :file (org-babel-temp-file "figure" ".png") :exports both :width 600 :height 400 :session *R* 
 plot(cars)
 #+end_src
 
 #+RESULTS:
-[[file:./cars.png]]
-
-Vous remarquerez le paramètre ~:exports results~ 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 changer ce paramètre
-(indiquer ~both~) car l'objectif est que vos analyses de données soient
-parfaitement transparentes pour être reproductibles.
-
-Attention, la figure ainsi générée n'est pas stockée dans le document
-org. C'est un fichier ordinaire, ici nommé ~cars.png~. N'oubliez pas
-de le committer si vous voulez que votre analyse soit lisible et
-compréhensible sur GitLab.
-
-Enfin, pour les prochains exercices, nous ne vous fournirons pas
-forcément de fichier de départ, ça sera à vous de le créer, par
-exemple en repartant de ce document et de le commiter vers
-gitlab. N'oubliez pas que nous vous fournissons dans les ressources de
-ce MOOC une configuration avec un certain nombre de raccourcis
-claviers permettant de créer rapidement les blocs de code R (en
-faisant ~<r~ ou ~<R~ suivi de ~Tab~).
-
-Maintenant, à vous de jouer! Vous pouvez effacer toutes ces
-informations et les remplacer par votre document computationnel.
+[[file:/tmp/babel-cFH86o/figureNFJuq7.png]]
+#+begin_src python :results output :exports both
+print("hello word")
+#+end_src
+
+#+RESULTS:
+: hello word
+
+#+begin_src python :results output :session :exports both
+x=10
+#+end_src
+
+#+RESULTS:
+
+#+begin_src python :results file :session :var matplot_lib_filename="foo.png") :exports both
+import matplotlib.pyplot as plt
+
+import numpy
+x=numpy.linspace(-15,15)
+plt.figure(figsize=(10,5))
+plt.plot(x,numpy.cos(x)/x)
+plt.tight_layout()
+
+plt.savefig(matplot_lib_filename)
+matplot_lib_filename
+#+end_src
+
+#+RESULTS:
+[[file:foo.png]]
+
+Entered on [2021-03-02 mar. 14:09]
+  
+  [[file:~/org/journal.org::*Org-mode Babel (for literate programming)][Org-mode Babel (for literate programming)]]
+*** 2021-03-03 mercredi
+**** FUN MOOC reproductibility
+***** Exercice 2.4
+
+I worked on the Cars data from R, i trained myself on the usage of
+orgmode en the realisation of a journal following the Mooc
+recommendation.
+
+Firts I create a csv file in R with the Cars data 
+
+ #+begin_src R :results output :session *R* :exports both
+data <- cars
+write.csv(data, 'data_cars_exercice2_3.csv')
+ #+end_src
+
+Then i load to make statistic on it,  the goal here is
+to see if the distance cross by a car is influenced by its speed.
+ 
+
+#+begin_src R :results output graphics :file data_cars_graph.png :exports both :width 600 :height 400 :session *R* 
+data <- read.csv('data_cars_exercice2_3.csv')
+scatter.smooth(x=data$speed, y=data$dist, main="Dist ~ Speed")
+#+end_src
+
+#+RESULTS:
+file:data_cars_graph
+
+Here the graph is almost a line, so it will be insteresting to made a
+correlation analasys of this data
+
+
+#+begin_src R :results output :session *R* :exports both
+cor(data$speed, data$dist)
+#+end_src
+
+
+#+RESULTS:
+: [1] 0.8068949
+
+The correlation between speed and distance is high ( < 0.5) and
+positive, which mean higher is the speed, higher will be the
+distance. Now to be sure that my hypthesis is good i will apply a the
+linear regression.
+
+#+begin_src R :results output :session *R* :exports both
+linearMod <- lm(dist ~ speed, data=data)
+summary(linearMod) 
+#+end_src
+
+#+RESULTS:
+#+begin_example
+
+Call:
+lm(formula = dist ~ speed, data = data)
+
+Residuals:
+    Min      1Q  Median      3Q     Max 
+-29.069  -9.525  -2.272   9.215  43.201 
+
+Coefficients:
+            Estimate Std. Error t value Pr(>|t|)    
+(Intercept) -17.5791     6.7584  -2.601   0.0123 *  
+speed         3.9324     0.4155   9.464 1.49e-12 ***
+---
+codes:  0 ‘***’ 0.001 ‘**’ 0.01 ‘*’ 0.05 ‘.’ 0.1 ‘ ’ 1
+
+Residual standard error: 15.38 on 48 degrees of freedom
+Multiple R-squared:  0.6511,	Adjusted R-squared:  0.6438 
+F-statistic: 89.57 on 1 and 48 DF,  p-value: 1.49e-12
+#+end_example
+
+LinearMod, both these p-Values are well below the 0.05
+threshold, so I can conclude our model is indeed statistically
+significant, which mean, now i'm sure that the speed influence the distance