From 9ed4dfd27b0a0c8770094f959311a017e1b8a60c Mon Sep 17 00:00:00 2001
From: 2391b35e42aa93fb5b9c8666a36d9044
 <2391b35e42aa93fb5b9c8666a36d9044@app-learninglab.inria.fr>
Date: Sat, 8 Nov 2025 21:57:56 +0000
Subject: [PATCH] Nouveau2 toy_document_fr.Rmd

---
 module2/exo1/toy_document_fr.Rmd | 27 +++++++++++++++++++++++++++
 1 file changed, 27 insertions(+)

diff --git a/module2/exo1/toy_document_fr.Rmd b/module2/exo1/toy_document_fr.Rmd
index 2614355..6cc552f 100644
--- a/module2/exo1/toy_document_fr.Rmd
+++ b/module2/exo1/toy_document_fr.Rmd
@@ -17,6 +17,33 @@ Mon ordinateur m’indique que π vaut approximativement :
 pi
 #> [1] 3.141593
 
+**En utilisant la méthode des aiguilles de Buffon**
+set.seed(42)
+N <- 100000
+x <- runif(N)
+theta <- pi/2 * runif(N)
+2 / (mean(x + sin(theta) > 1))
+#> [1] 3.14327
+
+**Avec un argument « fréquentiel » de surface (Méthode de Monte Carlo)**
+set.seed(42)
+N  <- 1000
+df <- data.frame(X = runif(N), Y = runif(N))
+df$Accept <- (df$X^2 + df$Y^2 <= 1)
+
+# Visualisation
+library(ggplot2)
+ggplot(df, aes(x = X, y = Y, color = Accept)) +
+  geom_point(alpha = .2) +
+  coord_fixed() +
+  theme_bw()
+
+**d’obtenir une approximation (pas terrible) de π**
+4 * mean(df$Accept)
+#> [1] 3.156
+
+
+
 
 
 ```{r setup, include=FALSE}
-- 
2.18.1