Update toy_document_fr.Rmd

module2/exo1/toy_document_fr.Rmd

@@ -11,7 +11,7 @@ knitr::opts_chunk$set(echo = TRUE)
 ```
 
 
-# En demandant à la lib maths
+# En demandant à la lib maths
 
 Mon ordinateur m'indique que $\pi$ vaut approximativement
 
@@ -20,9 +20,9 @@ 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)
 N = 100000
@@ -31,9 +31,9 @@ theta = pi/2*runif(N)
 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) alors P[X2+Y2???1]=??/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???U(0,1) et Y???U(0,1) alors P[X2+Y2???1]=??/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, warning=F}
 set.seed(42)
@@ -44,7 +44,7 @@ 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 ?? en comptant combien de fois, en moyenne, X2+Y2 est inférieur à 1:
+Il est alors aisé d'obtenir une approximation (pas terrible) de ?? en comptant combien de fois, en moyenne, X2+Y2 est inférieur à 1:
  
 ```{r}
 4*mean(df$Accept)