From 20cb3aeb1d6ffa155dfb31e127040d0b710fb62f Mon Sep 17 00:00:00 2001 From: aaaaaa Date: Wed, 3 Jun 2020 17:10:36 +0200 Subject: [PATCH] modif typo (accents, guillemets, espaces...) --- module2/exo1/toy_document_fr.Rmd | 12 ++++++------ 1 file changed, 6 insertions(+), 6 deletions(-) diff --git a/module2/exo1/toy_document_fr.Rmd b/module2/exo1/toy_document_fr.Rmd index 8db5d4d..9393e95 100644 --- a/module2/exo1/toy_document_fr.Rmd +++ b/module2/exo1/toy_document_fr.Rmd @@ -5,21 +5,20 @@ date: "25 juin 2018" output: html_document --- - ```{r setup, include=FALSE} 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 ``` ## En utilisant la méthode des aiguilles de Buffon - 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 @@ -28,9 +27,9 @@ theta = pi/2*runif(N) 2/(mean(x+sin(theta)>1)) ``` -## Avec un argument “fréquentiel” de surface +## 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/M%C3%A9thode_de_Monte-Carlo#D%C3%A9termination_de_la_valeur_de_%CF%80)). 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 @@ -38,9 +37,10 @@ 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() + ``` -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) ``` -- 2.18.1