Correction of one quiz in B02La_reg_multi

Author: phgrosjean

DESCRIPTION

@@ -1,5 +1,5 @@
 Package: BioDataScience2
-Version: 2021.0.0
+Version: 2021.0.2
 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 +1,13 @@
 # BioDataScience2 News
 
+## Changes in version 2021.0.2
+
+- Correction of one quiz that had several answers set to `NA` in `B02La_reg_multi`.
+
+## Changes in version 2021.0.1
+
+-   Minor change in the template for an exercise in `B01Lb_reglin1`: it was not clear that `plot(correlation(....))` should be used because the template was just `correlation(....)`. Students had to look at hints to understand that.
+
 ## Changes in version 2021.0.0
 
 -   Start of 2021 series.

inst/tutorials/B01Lb_reglin1/B01Lb_reglin1.Rmd

@@ -4,7 +4,7 @@ author: "Guyliann Engels & Philippe Grosjean"
 description: "**SDD II Module1** Régression linéaire simple."
 tutorial:
   id: "B01Lb_reglin1"
-  version: 2.1.1/10
+  version: 2.1.2/10
 output: 
   learnr::tutorial:
     progressive: true
@@ -168,7 +168,7 @@ plot(correlation(df[, 2:4], use = "complete.obs", method = "pearson"), type = "u
 ```
 
 ```{r corr3_h3, exercise=TRUE, exercise.lines=2, exercise.setup="correlation-prep"}
-correlation(___[,___:___], use = ___, method = ___)
+___(correlation(___[,___:___], use = ___, method = ___), ___ = ___)
 ```
 
 ```{r corr3_h3-hint-1}
@@ -280,12 +280,12 @@ quiz(
     answer(sprintf("%.2f", lm_result$statistic[2])),
     answer(sprintf("%.2f", lm_param$r.squared[1])),
     allow_retry = TRUE, random_answer_order = TRUE),
-  question(text = "Est ce que la valeur de l'ordonnée à l'origne est significativement différente de zéro ?",
+  question(text = "Est ce que la valeur de l'ordonnée à l'origne est significativement différente de zéro au seuil alpha de 5% ?",
     answer("oui", correct = TRUE),
     answer("non"),
     allow_retry = TRUE),
   question(
-    text = "Est ce que la valeur de la pente est significativement différente de zéro ?",
+    text = "Est ce que la valeur de la pente est significativement différente de zéro au seuil alpha de 5% ?",
     answer("oui", correct = TRUE),
     answer("non"),
     allow_retry = TRUE)

inst/tutorials/B02La_reg_multi/B02La_reg_multi.Rmd

@@ -4,7 +4,7 @@ author: "Guyliann Engels & Philippe Grosjean"
 description: "**SDD II Module 2** Régression linéaire multiple."
 tutorial:
   id: "B02La_reg_multi"
-  version: 2.2.0/7
+  version: 2.2.1/7
 output: 
   learnr::tutorial:
     progressive: true
@@ -29,56 +29,59 @@ BioDataScience2::learnr_server(input, output, session)
 
 ## Objectifs
 
-- Savoir lire la sortie renvoyée par `summary()` lorsqu'il est appliqué à un objet `lm`.
+- Être capable de lire la sortie renvoyée par `summary()` lorsqu'il est appliqué à un objet `lm`.
 - Maîtriser la régression linéaire multiple dans R avec la fonction `lm()`.
 
 ## Régression linéaire
 
 Réalisez une régression linéaire simple sur le jeu de données `df1` de la variable `y` en fonction de la variable `x`. 
 
 ```{r reglin-init}
-# edition de l'exercice 
+# Edition de l'exercice 
 set.seed(42)
 
-reg_lin <- function(x, a, b){
-  y <- a*x + b
-  y
-}
+reg_lin <- function(x, a, b)
+  a * x + b
 
-vec1 <- seq(from = 5, to = 20, by = 0.25)
-vec2 <- vec1 + rnorm(sd=0.5, n = length(vec1))
+v1 <- seq(from = 5, to = 20, by = 0.25)
+n_v1 <- length(v1)
+v2 <- v1 + rnorm(sd = 0.5, n = n_v1)
 
 df1 <- tibble(
-  x = vec2,
-  y = reg_lin(vec2, 0.5, 0) + rnorm(sd=0.5, n = length(vec1)))
+  x = v2,
+  y = reg_lin(v2, 0.5, 0.001) + rnorm(sd = 0.5, n = n_v1)
+)
 
-lm_lin <- lm(df1, formula = y ~ x - 1)
+lm_lin <- lm(data = df1, y ~ x)
 lm_lin_param <- broom::glance(lm_lin)
 lm_lin_result <- broom::tidy(lm_lin)
 ```
 
-Vous avez à votre disposition le graphique suivant pour visualiser les données.
+Vous avez à votre disposition le graphique suivant pour visualiser les données\ :
 
 ```{r}
-chart(df1, formula= y ~ x) +
+chart(data = df1, y ~ x) +
   geom_point() 
 ```
 
 ```{r reglin-prep}
-# edition de l'exercice 
+# Edition de l'exercice 
 set.seed(42)
 
-reg_lin <- function(x, a, b){
-  y <- a*x + b
-  y
-}
+reg_lin <- function(x, a, b)
+  a * x + b
 
-vec1 <- seq(from = 5, to = 20, by = 0.25)
-vec2 <- vec1 + rnorm(sd=0.5, n = length(vec1))
+v1 <- seq(from = 5, to = 20, by = 0.25)
+n_v1 <- length(v1)
+v2 <- v1 + rnorm(sd = 0.5, n = n_v1)
 
 df1 <- tibble(
-  x = vec2,
-  y = reg_lin(vec2, 0.5, 0) + rnorm(sd=0.5, n = length(vec1)))
+  x = v2,
+  y = reg_lin(v2, 0.5, 0.001) + rnorm(sd = 0.5, n = n_v1)
+)
+lm_lin <- lm(data = df1, y ~ x)
+lm_lin_param <- broom::glance(lm_lin)
+lm_lin_result <- broom::tidy(lm_lin)
 ```
 
 💬 **Un snippet peut vous aider à réaliser cet exercice.**
@@ -89,78 +92,73 @@ summary(lm. <- lm(data = ___, ___ ~ ___))
 
 ```{r reglin_h2-hint}
 summary(lm. <- lm(data = DF, FORMULA))
+
 #### ATTENTION: Hint suivant = solution !####
 ```
 
 ```{r reglin_h2-solution}
 ## Solution ##
-summary(lm. <- lm(data = df1, y ~ x + 0))
+summary(lm. <- lm(data = df1, y ~ x))
 ```
 
 ```{r reglin_h2-check}
-grade_code("Vous avez réalisé votre premier modèle linéaire.")
+grade_code("D'accord, on a maintenant un modèle linéaire simple comme point de départ.")
 ```
 
-Suite à votre analyse répondez aux questions suivantes : 
+Suite à votre analyse répondez aux questions suivantes\ : 
 
 ```{r qu_reglin}
 quiz(
   question(text = "Quelle est la valeur de l'ordonnée à l'origine ?",
-    answer(sprintf("%.2f", 0), correct = TRUE),
-    answer(sprintf("%.2f", lm_lin_result$estimate[1])),
+    answer(sprintf("%.2f", lm_lin_result$estimate[1]), correct = TRUE),
+    answer(sprintf("%.2f", 0)),
     answer(sprintf("%.2f", lm_lin_param$sigma[1])),
-    answer(sprintf("%.2f", lm_lin_param$AIC[1])),
+    answer(sprintf("%.2f", lm_lin_result$estimate[2])),
     answer(sprintf("%.2f", lm_lin_param$r.squared[1])),
     allow_retry = TRUE, random_answer_order = TRUE
-    ),
+  ),
   question(text = "Quelle est la valeur de la pente ?",
     answer(sprintf("%.2f", 0)),
-    answer(sprintf("%.2f", lm_lin_result$estimate[1]), correct = TRUE),
+    answer(sprintf("%.2f", lm_lin_result$estimate[2]), correct = TRUE),
     answer(sprintf("%.2f", lm_lin_param$BIC[1])),
-    answer(sprintf("%.2f", lm_lin_param$AIC[1])),
+    answer(sprintf("%.2f", lm_lin_result$estimate[1])),
     answer(sprintf("%.2f", lm_lin_param$r.squared[1])),
     allow_retry = TRUE, random_answer_order = TRUE
-    ),
+  ),
   question(text = "Quelle est la fraction de la variance exprimée par la régression linéaire ?",
     answer(sprintf("%.3f", lm_lin_param$r.squared), correct = TRUE),
     answer(sprintf("%.3f", lm_lin_param$statistic)),
-    answer(sprintf("%.3f", lm_lin_param$df)),
+    answer(sprintf("%.3f", as.numeric(lm_lin_param$df))),
     answer(sprintf("%.3f", lm_lin_result$estimate[1])),
     allow_retry = TRUE, random_answer_order = TRUE
-    )
+  )
 )
 ```
 
 ## Régression linéaire multiple
 
 ```{r regmulti-init}
-# edition de l'exercice 
-set.seed(42)
+# Edition de l'exercice 
+set.seed(381)
 
-vec <- seq(from = 1, to = 15, by = .2) 
-x <- vec + rnorm(sd = 3, n = length(vec))
+v <- seq(from = 1, to = 15, by = .2) 
+n_v <- length(v)
+x <- v + rnorm(sd = 3, n = n_v)
 
-reg_lin_rand <- function(x, a, b, random = 0.5){
-  y <- (a*x) + b + rnorm(sd=random, n = length(x))
-  y 
-}
-reg_mutli3_rand <- function(x1, a1, x2, a2, x3, a3, b, random = 5){
-  y <- a1*x1 + a2*x2 + a3*x3 + b + rnorm(sd=random, n = length(x1))
-  y
-}
+reg_lin_rand <- function(x, a, b, random = 0.5)
+  a * x + b + rnorm(sd = random, n = n_v)
+  
+reg_mutli3_rand <- function(x1, a1, x2, a2, x3, a3, b, random = 5)
+  a1 * x1 + a2 * x2 + a3 * x3 + b + rnorm(sd = random, n = length(x1))
 
 df2 <- tibble::tibble(
   x = x,
   x0 = reg_lin_rand(x = x, a = 1.26, b = 2, random = 3.5),
   x1 = reg_lin_rand(x = x, a = 1.5, b = 1, random = 10),
-  y = reg_mutli3_rand(x1 = x,
-                x2 = x0, 
-                x3 = x1,
-                a1 = 0.2, a2 = 0.3, a3 = 1.1,
-                b = 2))
-
+  y = reg_mutli3_rand(x1 = x, x2 = x0,  x3 = x1,
+                      a1 = 0.2, a2 = 0.3, a3 = 1.1, b = 2))
 
-lm_mult <- lm(data = df2, formula = y  ~ x + x1 )
+lm_mult <- lm(data = df2, y  ~ x + x1)
 lm_mult_coef <- broom::tidy(lm_mult)
 lm_mult_param <- broom::glance(lm_mult)
 ```
@@ -173,30 +171,29 @@ 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}
-# edition de l'exercice 
-set.seed(42)
+# Edition de l'exercice 
+set.seed(381)
 
-vec <- seq(from = 1, to = 15, by = .2) 
-x <- vec + rnorm(sd = 3, n = length(vec))
+v <- seq(from = 1, to = 15, by = .2) 
+n_v <- length(v)
+x <- v + rnorm(sd = 3, n = n_v)
 
-reg_lin_rand <- function(x, a, b, random = 0.5){
-  y <- (a*x) + b + rnorm(sd=random, n = length(x))
-  y 
-}
-reg_mutli3_rand <- function(x1, a1, x2, a2, x3, a3, b, random = 5){
-  y <- a1*x1 + a2*x2 + a3*x3 + b + rnorm(sd=random, n = length(x1))
-  y
-}
+reg_lin_rand <- function(x, a, b, random = 0.5)
+  a * x + b + rnorm(sd = random, n = n_v)
+  
+reg_mutli3_rand <- function(x1, a1, x2, a2, x3, a3, b, random = 5)
+  a1 * x1 + a2 * x2 + a3 * x3 + b + rnorm(sd = random, n = length(x1))
 
 df2 <- tibble::tibble(
   x = x,
   x0 = reg_lin_rand(x = x, a = 1.26, b = 2, random = 3.5),
   x1 = reg_lin_rand(x = x, a = 1.5, b = 1, random = 10),
-  y = reg_mutli3_rand(x1 = x,
-                x2 = x0, 
-                x3 = x1,
-                a1 = 0.2, a2 = 0.3, a3 = 1.1,
-                b = 2))
+  y = reg_mutli3_rand(x1 = x, x2 = x0,  x3 = x1,
+                      a1 = 0.2, a2 = 0.3, a3 = 1.1, b = 2))
+
+lm_mult <- lm(data = df2, y  ~ x + x1)
+lm_mult_coef <- broom::tidy(lm_mult)
+lm_mult_param <- broom::glance(lm_mult)
 ```
 
 💬 **Un snippet peut vous aider à réaliser cet exercice.**
@@ -216,10 +213,10 @@ summary(lm. <- lm(data = df2, y ~ x + x1))
 ```
 
 ```{r regmulti_h2-check}
-grade_code("Vous venez de réaliser votre première régression linéaire multiple. Elles n'auront bientôt plus de secret pour vous !")
+grade_code("Vous venez de réaliser votre première régression linéaire multiple. Elles n'auront bientôt plus de secrets pour vous !")
 ```
 
-Suite à votre analyse répondez aux questions suivantes : 
+Suite à votre analyse répondez aux questions suivantes\ : 
 
 ```{r qu_regmulti}
 quiz(
@@ -230,20 +227,20 @@ quiz(
     answer(sprintf("%.2f", lm_mult_param$AIC[1])),
     answer(sprintf("%.2f", lm_mult_param$r.squared[1])),
     allow_retry = TRUE, random_answer_order = TRUE
-    ),
+  ),
   question(text = "Quelle est la fraction de la variance exprimée par la régression linéaire ?",
     answer(sprintf("%.3f", lm_mult_param$adj.r.squared), correct = TRUE),
     answer(sprintf("%.3f", lm_mult_param$r.squared)),
     answer(sprintf("%.3f", lm_mult_param$df)),
     answer(sprintf("%.3f", lm_mult_coef$estimate[1])),
     allow_retry = TRUE, random_answer_order = TRUE
-    )
+  )
 )
 ```
 
 ## Conclusion
 
-Vous venez de terminer votre séance d'exercices.
+Vous venez de terminer votre séance d'exercices relive à la régression multiple.
 
 ```{r comm_noscore, echo=FALSE}
 question_text(

inst/tutorials/B02Lb_reg_poly/B02Lb_reg_poly.Rmd

@@ -137,7 +137,7 @@ quiz(
     answer(sprintf("%.2f", lm_poly_param$r.squared[1])),
     allow_retry = TRUE, random_answer_order = TRUE
     ),
-  question(text = "Quelle est la valeur de **x** ?",
+  question(text = "Quelle est la valeur du paramètre associé à **x** ?",
     answer(sprintf("%.2f", lm_poly_coef$estimate[1])),
     answer(sprintf("%.2f", lm_poly_coef$estimate[2]), correct = TRUE),
     answer(sprintf("%.2f", lm_poly_coef$std.error[1])),
@@ -270,14 +270,14 @@ quiz(
   question(text = "Quelle est la valeur du critère d'Akaike de la régression polynomiale ?",
            answer(sprintf("%.2f", lm_lp_param$AIC), correct = TRUE),
            answer(sprintf("%.2f", lm_lp_param$BIC)),
-           answer(sprintf("%.2f", lm_lp_param$sigma)),
+           answer(sprintf("%.2f", lm_ls_param$AIC)),
            answer(sprintf("%.2f", lm_lp_param$deviance)),
            allow_retry = TRUE, random_answer_order = TRUE
            ),
   question(text = "Quelle est la valeur du critère d'Akaike de la régression linéaire simple ?",
            answer(sprintf("%.2f", lm_ls_param$AIC), correct = TRUE),
            answer(sprintf("%.2f", lm_ls_param$BIC)),
-           answer(sprintf("%.2f", lm_ls_param$sigma)),
+           answer(sprintf("%.2f", lm_lp_param$AIC)),
            answer(sprintf("%.2f", lm_ls_param$deviance)),
            allow_retry = TRUE, random_answer_order = TRUE
            ),