diff --git a/module2/exo1/toy_document_fr.Rmd b/module2/exo1/toy_document_fr.Rmd index 020a9105bb2d4497591863dbcfb46859e68e89d5..a542fb00ed2f6de738e1b9e07e5db31cf145bca3 100644 --- a/module2/exo1/toy_document_fr.Rmd +++ b/module2/exo1/toy_document_fr.Rmd @@ -27,7 +27,7 @@ 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 $P[X^2+Y^2\le 1 = \pi/4$ (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) N = 1000 @@ -40,5 +40,3 @@ Il est alors aisé d'obtenir une approximation (pas terrible) de $\pi$ en compta ```{r} 4*mean(df$Accept) ``` - - diff --git a/module2/exo1/toy_document_fr.html b/module2/exo1/toy_document_fr.html index 587e7c420217745cd7bf6001cd247ea57a47400e..5af26a5b0558f1694c30b211d40b3fe9dcd34c6d 100644 --- a/module2/exo1/toy_document_fr.html +++ b/module2/exo1/toy_document_fr.html @@ -189,7 +189,7 @@ theta = pi/2*runif(N)
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 Wikipedia). 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). Le code suivant illustre ce fait :
set.seed(42)
N = 1000
df = data.frame(X = runif(N), Y = runif(N))