---
title: "À propos du calcul de pi"
output: html_document
date: '25 juin 2018'
author : 'Arnaud Legrand'
---


# En demandant à la lib maths
Mon ordinateur m’indique que $\pi$ vaut *approximativement*

```{r setup, include=FALSE}
knitr::opts_chunk$set(echo = TRUE)
```

```{r}
pi
```
# En utilisant la méthode des aiguilles de Buffon
Mais calculé avec la **méthode** des [aiguilles de Buffon](URL 'https://fr.wikipedia.org/wiki/Aiguille_de_Buffon'), on obtiendrait comme **approximation** :
```{r}
set.seed(42)
N = 100000
x = runif(N)
theta = pi/2*runif(N)
2/(mean(x+sin(theta)>1))
```
# Avec un argument “fréquentiel” de surface
Sinon, une méthode plus simple à comprendre et ne faisant pas intervenir d’appel à la fonction sinus se base sur le fait que si $X∼U(0,1)$ et $Y∼U(0,1)$ alors $P[X^{2}+Y^{2}≤1]=\pi/4$ (voir [méthode de Monte Carlo sur Wikipedia](URL 'https://fr.wikipedia.org/wiki/M%C3%A9thode_de_Monte-Carlo#D%C3%A9termination_de_la_valeur_de_%CF%80')). Le code suivant illustre ce fait:
```{r}
set.seed(42)
N = 1000
df = data.frame(X = runif(N), Y = runif(N))
df$Accept = (df$X**2 + df$Y**2 <=1)
library(ggplot2)
ggplot(df, aes(x=X,y=Y,color=Accept)) + geom_point(alpha=.2) + coord_fixed() + theme_bw()
```

Il est alors aisé d’obtenir une approximation (pas terrible) de $\pi$ en comptant combien de fois, en moyenne, $X^{2}+Y^{2}$ est inférieur à 1:

```{r}
4*mean(df$Accept)
```