code fonctionnel et symbole

parent 54bd49f0
...@@ -5,17 +5,23 @@ date: "15/09/2020" ...@@ -5,17 +5,23 @@ date: "15/09/2020"
output: html_document output: html_document
--- ---
#En demandant à la lib maths ```{r setup, include=FALSE}
knitr::opts_chunk$set(echo = TRUE)
```
##En demandant à la lib maths
Mon ordinateur m’indique que π vaut approximativement Mon ordinateur m’indique que $\pi$ vaut *approximativement*
``#pi`` ```{r cars}
pi
```
#En utilisant la méthode des aiguilles de Buffon ##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__ : 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) #set.seed(42)
#N = 100000 #N = 100000
#x = runif(N) #x = runif(N)
...@@ -23,11 +29,11 @@ Mais calculé avec la __méthode__ des [aiguilles de Buffon](https://fr.wikipedi ...@@ -23,11 +29,11 @@ Mais calculé avec la __méthode__ des [aiguilles de Buffon](https://fr.wikipedi
#2/(mean(x+sin(theta)>1)) #2/(mean(x+sin(theta)>1))
``` ```
#Avec un argument “fréquentiel” de surface ##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∼U(0,1) et Y∼U(0,1)lors P[X2+Y2≤1]=π/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) set.seed(42)
N = 1000 N = 1000
df = data.frame(X = runif(N), Y = runif(N)) df = data.frame(X = runif(N), Y = runif(N))
...@@ -36,7 +42,7 @@ library(ggplot2) ...@@ -36,7 +42,7 @@ library(ggplot2)
ggplot(df, aes(x=X,y=Y,color=Accept)) + geom_point(alpha=.2) + coord_fixed() + theme_bw() 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, X2+Y2 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$Accept) 4*mean(df$Accept)
``` ```
\ No newline at end of file
Markdown is supported
0% or
You are about to add 0 people to the discussion. Proceed with caution.
Finish editing this message first!
Please register or to comment