À propros du calcul de \(\pi\)

Mon ordinateur m'indique que \(\pi\) vaut approximativement

pi

[1] 3.141593

Mais calculé avec la méthode des aiguilles de Buffon, on obtiendrait comme approximation :

set.seed(42)
N = 100000
x = runif(N)
theta = pi/2*runif(N)
2/(mean(x+sin(theta)>1))

[1] 3.14327

[1] 3.14327

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 Wikipédia). Le code suivant illustre ce fait :

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 π en comptant combien de fois, en moyenne, \(X^{2} + Y^{2}\) est inférieur à 1 :

4*mean(df$Accept)

[1] 3.156