Add CHANGELOG_essai Rstudio_mise en page

CHANGELOG

+---
+title: "A propos du calcul de pi"
+author: "Nathalie Brouard"
+date: "2024-05-09"
+output: html_document
+---
+En demandant à la lib maths
+```{r}
+mygitlab.yaml
+```
+
+```{r}
+#Mon ordinateur m’indique que π vaut approximativement
+
+pi
+```
+En utilisant la méthode des aiguilles de Buffon
+
+```{r}
+#Mais calculé avec la méthode des aiguilles de Buffon, on obtiendrait comme approximation :
+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
+
+```{r}
+#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[X2+Y2≤1]=π/4
+# (voir méthode de Monte Carlo sur Wikipedia). Le code suivant illustre ce fait:
+
+set.seed(42)
+N = 1000
+df = data.frame(X = runif(N), Y = runif(N))
+df$Accept = (df$X**2 + df$Y**2 <=1)
+library(ggplot2)
+ggplot(df, aes(x=X,y=Y,color=Accept)) + geom_point(alpha=.2) + coord_fixed() + theme_bw()
+```
+
+
+
+```{r}
+#Il est alors aisé d’obtenir une approximation (pas terrible) de π
+#en comptant combien de fois, en moyenne, X2+Y2
+# est inférieur à 1:
+4*mean(df$Accept)
+```
+
+```{r setup, include=FALSE}
+knitr::opts_chunk$set(echo = TRUE)
+```
+