minor changes

Author: GuyliannEngels

DESCRIPTION

@@ -1,5 +1,5 @@
 Package: BioDataScience2
-Version: 2020.2.1
+Version: 2020.2.2
 Title: A Series of Learnr Documents for Biological Data Science 2
 Description: Interactive documents using learnr for studying biological data science (second course).
 Authors@R: c(

NEWS.md

@@ -1,5 +1,9 @@
 # BioDataScience2 News
 
+## Changes in version 2020.2.2
+
+- Minor change in B02la_reg_multi 
+
 ## Changes in version 2020.2.1
 
 - Minor change in B02lB_reg_poly 

inst/tutorials/B02La_reg_multi/B02La_reg_multi.Rmd

@@ -4,7 +4,7 @@ author: "Guyliann Engels & Philippe Grosjean"
 description: "**SDD II Module 2** Application des concepts liés la régression linéaire multiple."
 tutorial:
   id: "B02La_reg_multi"
-  version: 2.0.0/7
+  version: 2.2.0/7
 output: 
   learnr::tutorial:
     progressive: true
@@ -84,37 +84,17 @@ df1 <- tibble(
 💬 **Un snippet peut vous aider à réaliser cet exercice.**
 
 ```{r reglin_h2, exercise = TRUE, exercise.setup = "reglin-prep"}
-#
 summary(lm. <- lm(data = ___, ___ ~ ___))
-lm. %>.% (function (lm, model = lm[["model"]], vars = names(model))
-  chart(model, aes_string(x = vars[2], y = vars[1])) +
-  geom_point() +
-  stat_smooth(method = "lm", formula = y ~ x))(.)
 ```
 
 ```{r reglin_h2-hint}
-#snippet
-summary(lm. <- lm(data = DF, YNUM ~ XNUM))
-lm. %>.% (function (lm, model = lm[["model"]], vars = names(model))
-  chart(model, aes_string(x = vars[2], y = vars[1])) +
-  geom_point() +
-  stat_smooth(method = "lm", formula = y ~ x))(.)
-#snippet 2
-summary(lm. <- lm(data = DF, YNUM ~ XNUM + 0))
-lm. %>.% (function (lm, model = lm[["model"]], vars = names(model))
-  chart(model, aes_string(x = vars[2], y = vars[1])) +
-  geom_point() +
-  stat_smooth(method = "lm", formula = y ~ x + 0))(.)
-
+summary(lm. <- lm(data = DF, FORMULA))
 #### ATTENTION: Hint suivant = solution !####
 ```
 
 ```{r reglin_h2-solution}
+## Solution ##
 summary(lm. <- lm(data = df1, y ~ x + 0))
-lm. %>.% (function (lm, model = lm[["model"]], vars = names(model))
-  chart(model, aes_string(x = vars[2], y = vars[1])) +
-  geom_point() +
-  stat_smooth(method = "lm", formula = y ~ x + 0))(.)
 ```
 
 ```{r reglin_h2-check}
@@ -185,6 +165,11 @@ lm_mult_coef <- broom::tidy(lm_mult)
 lm_mult_param <- broom::glance(lm_mult)
 ```
 
+```{r}
+summary(df2)
+```
+
+
 Réalisez une régression linéaire simple sur le jeu de données `df2` de la variable `y` en fonction de la variable `x` et `x1`.
 
 ```{r regmulti-prep}
@@ -217,8 +202,6 @@ df2 <- tibble::tibble(
 💬 **Un snippet peut vous aider à réaliser cet exercice.**
 
 ```{r regmulti_h2, exercise = TRUE, exercise.setup = "regmulti-prep"}
-# résumé des données 
-df2
 # régression multiple 
 summary(lm. <- lm(data = ___, ___ ~ ___))
 ```
@@ -228,8 +211,6 @@ summary(lm. <- lm(data = DF, Y  ~ VAR1 + VAR2))
 ```
 
 ```{r regmulti_h2-solution}
-# résumé des données 
-df2
 # régression multiple 
 summary(lm. <- lm(data = df2, y ~ x + x1))
 ```