Retour à la page d’accueil



Exercice 1:

Ajouter le test statistique le plus approprié aux deux graphiques suivant:

ggplot(expt1, aes(fluctuation, rosette.leaf.num)) +
  geom_violin() +
  stat_compare_means()
## Warning: Removed 95 rows containing non-finite values (`stat_ydensity()`).
## Warning: Removed 95 rows containing non-finite values (`stat_compare_means()`).

ggplot(expt1, aes(days.to.bolt, days.to.flower)) +
    geom_point() +
  stat_cor()
## Warning: Removed 83 rows containing non-finite values (`stat_cor()`).
## Warning: Removed 83 rows containing missing values (`geom_point()`).


BONUS: Ajoutez une ligne de régression (pour le graphique où cela est possible). Déplacez le résultat du test statistique pour qu’il soit au meilleur endroit sur le graphique. Qu’est ce que vous pouvez conclure pour chacun de ces graphiques?

ggplot(expt1, aes(days.to.bolt, days.to.flower)) +
    geom_point() +
  stat_cor() +
  geom_smooth()
## Warning: Removed 83 rows containing non-finite values (`stat_cor()`).
## `geom_smooth()` using method = 'loess' and formula = 'y ~ x'
## Warning: Removed 83 rows containing non-finite values (`stat_smooth()`).
## Warning: Removed 83 rows containing missing values (`geom_point()`).

On observe une corrélation positive significative (p-value<2.2e-16, test de pearson) entre le nombre de jours jusqu’à floraison et le nombre de jours jusqu’au bolting.

ggplot(expt1, aes(fluctuation, rosette.leaf.num)) +
  geom_violin() +
  stat_compare_means(label.x.npc="middle")
## Warning: Removed 95 rows containing non-finite values (`stat_ydensity()`).
## Warning: Removed 95 rows containing non-finite values (`stat_compare_means()`).

On observe une différence significative (p-value=0.014, test de Wilcoxon) pour la moyenne du nombre de feuilles de rosettes en fonction du type de traitement de température utilisé. Les plantes ayant poussé avec une température constante ont un nombre de feuille plus élevé en moyenne que celles ayant poussé avec une température fluctuante.