Update toy_document_fr.Rmd

parent 50e407e2
--- ---
title: "Votre titre" title: "A propos du calcul de pi"
author: "Votre nom" author: "Arnaud Legrand"
date: "La date du jour" date: "25 juin 2018"
output: html_document output: html_document
--- ---
...@@ -31,3 +31,43 @@ Vous remarquerez le paramètre `echo = FALSE` qui indique que le code ne doit pa ...@@ -31,3 +31,43 @@ Vous remarquerez le paramètre `echo = FALSE` qui indique que le code ne doit pa
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. 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. Maintenant, à vous de jouer! Vous pouvez effacer toutes ces informations et les remplacer par votre document computationnel.
# En demandant à la lib maths
mon ordinateur m'indique que $\pi$ vaut *approximativement*
```{r pi}
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 obtient comme **approximation** :
```{r buffon}
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
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 Carlo}
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()
```
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 mean}
4*mean(df$Accept)
```
Markdown is supported
0% or
You are about to add 0 people to the discussion. Proceed with caution.
Finish editing this message first!
Please register or to comment