From 60384f303581b29137d0e76afae47b2d075ce1b4 Mon Sep 17 00:00:00 2001
From: 1abfb3016981d22dedc79510d35b7fa2
 <1abfb3016981d22dedc79510d35b7fa2@app-learninglab.inria.fr>
Date: Wed, 12 Jul 2023 14:24:51 +0000
Subject: [PATCH] Update essai 1 toy_document_fr.Rmd

---
 module2/exo1/toy_document_fr.Rmd | 47 ++++++++++++++++++++++++++++++--
 1 file changed, 44 insertions(+), 3 deletions(-)

diff --git a/module2/exo1/toy_document_fr.Rmd b/module2/exo1/toy_document_fr.Rmd
index 7eece5e..5a5a379 100644
--- a/module2/exo1/toy_document_fr.Rmd
+++ b/module2/exo1/toy_document_fr.Rmd
@@ -1,7 +1,7 @@
 ---
-title: "Votre titre"
-author: "Votre nom"
-date: "La date du jour"
+title: "A propos du calcul de pi"
+author: "Arnaud Legrand"
+date: "25 juin 2018"
 output: html_document
 ---
 
@@ -10,6 +10,47 @@ output: html_document
 knitr::opts_chunk$set(echo = TRUE)
 ```
 
+## En demandant à la lib maths
+Mon ordinateur m'indique que $\pi$ vaut *approximativement*
+
+```{r cars}
+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
+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 $P[X^2+Y^2\leq 1] = \pi/4$ (voir [méthode de Monte Carlo sur Wikipedia](https://fr.wikipedia.org/wiki/M%C3%A9thode_de_Monte-Carlo). Le code suivant illustre ce fait :
+
+``{r}
+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}
+4*mean(df$Accept)
+```
+
+
+
+
+
+
+
 ## Quelques explications
 
 Ceci est un document R markdown que vous pouvez aisément exporter au format HTML, PDF, et MS Word. Pour plus de détails sur R Markdown consultez <http://rmarkdown.rstudio.com>.
-- 
2.18.1