diff --git a/.gitignore b/.gitignore
new file mode 100644
index 0000000000000000000000000000000000000000..9bea4330f055c418ce73df7a354fd5c29ead0631
--- /dev/null
+++ b/.gitignore
@@ -0,0 +1,2 @@
+
+.DS_Store
diff --git a/README.md b/README.md
index 28a49863f4996541a3f8f70d25d02c0c098a3cef..31596ed524f4df69e970c81267209f70dc28429a 100644
--- a/README.md
+++ b/README.md
@@ -30,4 +30,4 @@ 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()
-```
\ No newline at end of file
+```
diff --git a/module2-exo1.Rmd b/module2-exo1.Rmd
new file mode 100644
index 0000000000000000000000000000000000000000..3902951f876151fe7873b40c23a4c29b5088eac7
--- /dev/null
+++ b/module2-exo1.Rmd
@@ -0,0 +1,44 @@
+---
+title: "À propos du calcul de pi"
+author : "Arnaud Legrand"
+output: md_document
+date: "25 juin 2018"
+---
+
+## En demandant à la lib maths
+Mon ordinateur m'indique que $\pi$ vaut *approximativement*
+
+```{r}
+pi
+```
+
+
+## En utilisant la méthode des aiguilles du Buffon 
+Mais calculé avec la méthode des `aiguilles du 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, 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
+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)
+```
+
+