Mon ordinateur m'indique que $pi$ vaut *approximativement*
## Quelques explications
Ceci est un document R markdown que vous pouvez aisément exporter au format HTML, PDF, et MS Word. Pour plus de détails sur R Markdown consultez <http://rmarkdown.rstudio.com>.
Lorsque vous cliquerez sur le bouton **Knit** ce document sera compilé afin de ré-exécuter le code R et d'inclure les résultats dans un document final. Comme nous vous l'avons montré dans la vidéo, on inclue du code R de la façon suivante:
```{r cars}
summary(cars)
```
Et on peut aussi aisément inclure des figures. Par exemple:
```{r pressure, echo=FALSE}
plot(pressure)
```
Vous remarquerez le paramètre `echo = FALSE` qui indique que le code ne doit pas apparaître dans la version finale du document. Nous vous recommandons dans le cadre de ce MOOC de ne pas utiliser ce paramètre car l'objectif est que vos analyses de données soient parfaitement transparentes pour être reproductibles.
Comme les résultats ne sont pas stockés dans les fichiers Rmd, pour faciliter la relecture de vos analyses par d'autres personnes, vous aurez donc intérêt à générer un HTML ou un PDF et à le commiter.
Maintenant, à vous de jouer! Vous pouvez effacer toutes ces informations et les remplacer par votre document computationnel.
#+TITLE: À propos du calcul de $\pi$ #+TITLE: Votre titre
#+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!")
: 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)
