---
title: "A propos du calcul de Pi"
author: "Colin Ferrari"
date: "08/04/2020"
output: html_document
---

## En demandant à la lib math
Mon ordinateur m'indique que $\pi$ vaut *approximativement* :
```{r}
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}
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'appels à la fonction sinus se base sur le fait que si $X$ $\approx$ $U(0,1)$ et $Y$ $\approx$ $U(0,1)$ alors $P[X²+Y² \leq 1] = \pi/4$ (voir [méthode de Monte Carlo sur wikipédia](https://fr.wikipedia.org/wiki/Méthode_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, $X² + Y²$ est inférieur à 1 :

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