From a776731bfee7737509bcf4a0389f2f2923f76890 Mon Sep 17 00:00:00 2001
From: 0df518f24345b8121aac3d63118064f8
<0df518f24345b8121aac3d63118064f8@app-learninglab.inria.fr>
Date: Tue, 31 Mar 2020 16:33:34 +0000
Subject: [PATCH] Update toy_document_fr.Rmd
---
module2/exo1/toy_document_fr.Rmd | 72 --------------------------------
1 file changed, 72 deletions(-)
diff --git a/module2/exo1/toy_document_fr.Rmd b/module2/exo1/toy_document_fr.Rmd
index f49e3a8..e69de29 100644
--- a/module2/exo1/toy_document_fr.Rmd
+++ b/module2/exo1/toy_document_fr.Rmd
@@ -1,72 +0,0 @@
-#+TITLE: À propos du calcul de $\pi$ #+TITLE: Votre titre
-#+LANGUAGE: fr #+AUTHOR: Votre nom
-#+DATE: La date du jour
-#+HTML_HEAD: #+LANGUAGE: fr
-#+HTML_HEAD: # #+PROPERTY: header-args :eval never-export
-#+HTML_HEAD:
-#+HTML_HEAD: #+HTML_HEAD:
-#+HTML_HEAD: #+HTML_HEAD:
-#+HTML_HEAD: #+HTML_HEAD:
-#+HTML_HEAD:
-#+PROPERTY: header-args :session :exports both #+HTML_HEAD:
-#+HTML_HEAD:
-* En demandant à la lib maths
-Mon ordinateur m'indique que $\pi$ vaut /approximativement/: * Quelques explications
-#+begin_src python :results value :session *python* :exports both Ceci est un document org-mode avec quelques exemples de code
-from math import * python. Une fois ouvert dans emacs, ce document peut aisément être
-pi exporté au format HTML, PDF, et Office. Pour plus de détails sur
-#+end_src org-mode vous pouvez consulter https://orgmode.org/guide/.
-#+RESULTS: Lorsque vous utiliserez le raccourci =C-c C-e h o=, ce document sera
-: 3.141592653589793 compilé en html. Tout le code contenu sera ré-exécuté, les résultats
-récupérés et inclus dans un document final. Si vous ne souhaitez pas
-* En utilisant la méthode des aiguilles de Buffon ré-exécuter tout le code à chaque fois, il vous suffit de supprimer
-Mais calculé avec la *méthode* des [[https://fr.wikipedia.org/wiki/Aiguille_de_Buffon][aiguilles de Buffon]], on obtiendrait le # et l'espace qui sont devant le ~#+PROPERTY:~ au début de ce
-comme *approximation* : document.
-#+begin_src python :results value :session *python* :exports both Comme nous vous l'avons montré dans la vidéo, on inclue du code
-import numpy as np python de la façon suivante (et on l'exécute en faisant ~C-c C-c~):
-np.random.seed(seed=42)
-N = 10000 #+begin_src python :results output :exports both
-x = np.random.uniform(size=N, low=0, high=1) print("Hello world!")
-theta = np.random.uniform(size=N, low=0, high=pi/2) #+end_src
-2/(sum((x+np.sin(theta))>1)/N)
-#+end_src #+RESULTS:
-: Hello world!
-#+RESULTS:
-: 3.128911138923655 Voici la même chose, mais avec une session python, donc une
-persistance d'un bloc à l'autre (et on l'exécute toujours en faisant
-* Avec un argument "fréquentiel" de surface ~C-c C-c~).
-Sinon, une méthode plus simple à comprendre et ne faisant pas #+begin_src python :results output :session :exports both
-intervenir d'appel à la fonction sinus se base sur le fait que si $X\sim import numpy
-U(0,1)$ et $Y\sim U(0,1)$ alors $P[X^2+Y^2\leq 1] = \pi/4$ (voir [[https://fr.wikipedia.org/wiki/M%25C3%25A9thode_de_Monte-Carlo#D%25C3%25A9termination_de_la_valeur_de_%25CF%2580][méthode de x=numpy.linspace(-15,15)
-Monte Carlo sur Wikipedia]]). Le code suivant illustre ce fait : print(x)
-#+end_src
-#+begin_src python :results output file :var matplot_lib_filename="figure_pi_mc2.png" :exports both :session *python*
-import matplotlib.pyplot as plt #+RESULTS:
-#+begin_example
-np.random.seed(seed=42) [-15. -14.3877551 -13.7755102 -13.16326531 -12.55102041
-N = 1000 -11.93877551 -11.32653061 -10.71428571 -10.10204082 -9.48979592
-x = np.random.uniform(size=N, low=0, high=1) -8.87755102 -8.26530612 -7.65306122 -7.04081633 -6.42857143
-y = np.random.uniform(size=N, low=0, high=1) -5.81632653 -5.20408163 -4.59183673 -3.97959184 -3.36734694
- -2.75510204 -2.14285714 -1.53061224 -0.91836735 -0.30612245
-accept = (x*x+y*y) <= 1 0.30612245 0.91836735 1.53061224 2.14285714 2.75510204
-reject = np.logical_not(accept) 3.36734694 3.97959184 4.59183673 5.20408163 5.81632653
- 6.42857143 7.04081633 7.65306122 8.26530612 8.87755102
-fig, ax = plt.subplots(1) 9.48979592 10.10204082 10.71428571 11.32653061 11.93877551
-ax.scatter(x[accept], y[accept], c='b', alpha=0.2, edgecolor=None) 12.55102041 13.16326531 13.7755102 14.3877551 15. ]
-ax.scatter(x[reject], y[reject], c='r', alpha=0.2, edgecolor=None) #+end_example
-ax.set_aspect('equal')
-Et enfin, voici un exemple de sortie graphique:
-plt.savefig(matplot_lib_filename) #+begin_src python :results output file :session :var matplot_lib_filename="./cosxsx.png" :exports results
-print(matplot_lib_filename) import matplotlib.pyplot as plt
-#+end_src
-plt.figure(figsize=(10,5))
-#+RESULTS: plt.plot(x,numpy.cos(x)/x)
-[[file:figure_pi_mc2.png]] plt.tight_layout()
-Il est alors aisé d'obtenir une approximation (pas terrible) de $\pi$ en plt.savefig(matplot_lib_filename)
-comptant combien de fois, en moyenne, $X^2 + Y^2$ est inférieur à 1 : print(matplot_lib_filename)
-#+end_src
-#+begin_src python :results output :session *python* :exports both
-4*np.mean(accept) #+RESULTS:
-#+end_src [[file:./cosxsx.png]]
-#+RESULTS: Vous remarquerez le paramètre ~:exports results~ qui indique que le code
-: 3.112
\ No newline at end of file
--
2.18.1