---
title: "À propos du calcul de pi"
author: "Jérôme Riera"
date: "27 Aout 2024"
output:
  html_document: default
  pdf_document: default
---

## En demandant à la lib maths

Mon ordinateur m'indique que \Pi vaut *approximativement*

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

## Avec un argument "fréquentiel" de surface

Sinon, avec 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 $P[X^2+Y^2\leq1] = \pi/4$ 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))
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 $\pi$ en comptant combien de fois, en moyenne, $X^2+Y^2$ est inférieur à 1:

```{r}
4*mean(df$Accept)
```