From a465acc89fdbaf171b1eaaf72fb33903dab3018b Mon Sep 17 00:00:00 2001
From: 250a541afce615575a9ef751c9796ed4
 <250a541afce615575a9ef751c9796ed4@app-learninglab.inria.fr>
Date: Tue, 21 Apr 2020 09:37:40 +0000
Subject: [PATCH] Update toy_document_fr.Rmd

---
 module2/exo1/toy_document_fr.Rmd | 7 +++----
 1 file changed, 3 insertions(+), 4 deletions(-)

diff --git a/module2/exo1/toy_document_fr.Rmd b/module2/exo1/toy_document_fr.Rmd
index d7d989b..39be782 100644
--- a/module2/exo1/toy_document_fr.Rmd
+++ b/module2/exo1/toy_document_fr.Rmd
@@ -17,7 +17,6 @@ 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}
@@ -31,9 +30,7 @@ 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 $P[X^2+Y^2\leq 1] = \pi/4$ (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))
@@ -44,6 +41,8 @@ ggplot(df, aes(x=X,y=Y,color=Accept)) + geom_point(alpha=.2) + coord_fixed() + t
 ```
 
 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