From cbba809a60836e67f12f3fd964411e8ab2f4fc37 Mon Sep 17 00:00:00 2001 From: 115c84e088e492549ff00cfa14ced6b3 <115c84e088e492549ff00cfa14ced6b3@app-learninglab.inria.fr> Date: Mon, 30 Aug 2021 20:47:50 +0000 Subject: [PATCH] Update toy_document_fr.Rmd --- module2/exo1/toy_document_fr.Rmd | 15 ++++++++------- 1 file changed, 8 insertions(+), 7 deletions(-) diff --git a/module2/exo1/toy_document_fr.Rmd b/module2/exo1/toy_document_fr.Rmd index 3ee442a..a9694d1 100644 --- a/module2/exo1/toy_document_fr.Rmd +++ b/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 -- 2.18.1