From 89f53049dc1db91bc951bd6ffcc13759f4e54441 Mon Sep 17 00:00:00 2001
From: 4baf7d6c42e08ddcb49e9aad85c23f9f
 <4baf7d6c42e08ddcb49e9aad85c23f9f@app-learninglab.inria.fr>
Date: Mon, 5 Feb 2024 09:44:19 +0000
Subject: [PATCH] Update toy_document_fr.Rmd

---
 module2/exo1/toy_document_fr.Rmd | 6 +++---
 1 file changed, 3 insertions(+), 3 deletions(-)

diff --git a/module2/exo1/toy_document_fr.Rmd b/module2/exo1/toy_document_fr.Rmd
index b1183e4..d853fc4 100644
--- a/module2/exo1/toy_document_fr.Rmd
+++ b/module2/exo1/toy_document_fr.Rmd
@@ -18,7 +18,7 @@ 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* :
+Mais calculé avec la **méthode** des [aiguilles de Buffon](https://fr.wikipedia.org/wiki/Aiguille_de_Buffon), on obtiendrait comme **approximation** :
 
 ```{r aiguille}
 set.seed(42)
@@ -30,7 +30,7 @@ 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∼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:
+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:
 
 ```{r monteCarlo}
 set.seed(42)
@@ -41,7 +41,7 @@ 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 π en comptant combien de fois, en moyenne, *X²+Y²* est inférieur à 1:
+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}
 4*mean(df$Accept)
-- 
2.18.1