---
title: "A propos de pi"
author: "Hilaire MARTIN"
date: "14/02/2023"
output: html_document
---

## En demandant à la lib maths
Mon ordinateur m’indique que π vaut *approximativement*

```{r setup, include=TRUE}
knitr::opts_chunk$set(echo = TRUE)
```


```{r pi, include=TRUE}
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 Buffon, include=TRUE}
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()
```

## 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) alors 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:


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:

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