Update toy_document_fr.Rmd

module2/exo1/toy_document_fr.Rmd

@@ -12,8 +12,9 @@ knitr::opts_chunk$set(echo = TRUE)
 
 # En demandant à la lib maths
 
-Mon ordinateur m’indique que $\pi$ vaut *approximativement*
-```
+Mon ordinateur m'indique que $\pi$ vaut *approximativement*
+
+```{r}
 pi
 ```
 
@@ -21,7 +22,7 @@ pi
 
 Mais calculé avec la **méthode** des [aiguilles de Buffon](https://fr.wikipedia.org/wiki/Aiguille_de_Buffon), on obtiendrait comme **approximation** :
 
-```
+```{r}
 set.seed(42)
 N = 100000
 x = runif(N)
@@ -31,9 +32,9 @@ theta = pi/2*runif(N)
 
 # 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 $X \sim U(0,1)$ et $Y \sim U(0,1)$ alors $P[X^2 + Y^2 \le 1] = \pi/4$ (voir [méthode de Monte Carlo sur Wikipedia](https://fr.wikipedia.org/wiki/Méthode_de_Monte-Carlo#Détermination_de_la_valeur_de_π)). Le code suivant illustre ce fait:
+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 $X \sim U(0,1)$ et $Y \sim U(0,1)$ alors $P[X^2 + Y^2 \le 1] = \pi/4$ (voir [méthode de Monte Carlo sur Wikipedia](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))
@@ -42,8 +43,8 @@ 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:
+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)
 ```
\ No newline at end of file