Ma seconde réponse

module2/exo1/toy_document_fr.Rmd

@@ -12,14 +12,13 @@ knitr::opts_chunk$set(echo = TRUE)
 
 # En demandant à la lib maths
 
-Mon ordinateur m’indique que \(\pi\) vaut *approximativement*
+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 obtiendrait comme **approximation* :
 
 ```{r aiguilles de Buffon}
@@ -31,8 +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:
+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)
@@ -43,7 +41,7 @@ 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:
+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)