Commit 10a61474 authored by Matthieu's avatar Matthieu

write maths in latex

parent 50cff594
--- ---
title: "À propos du calcul de pi" title: "À propos du calcul de pi"
author: "*Arnaud Legrand*" author: "Arnaud Legrand"
date: "*25 juin 2018*" date: "25 juin 2018"
output: html_document output: html_document
--- ---
...@@ -10,16 +10,13 @@ knitr::opts_chunk$set(echo = TRUE) ...@@ -10,16 +10,13 @@ knitr::opts_chunk$set(echo = TRUE)
``` ```
## En demandant à la lib maths ## En demandant à la lib maths
Mon ordinateur m’indique que $\pi$ vaut *approximativement* Mon ordinateur m’indique que $\pi$ vaut *approximativement*
```{r pi} ```{r pi}
pi 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 la méthode des aiguilles de Buffon} ```{r la méthode des aiguilles de Buffon}
...@@ -31,8 +28,7 @@ theta = pi/2*runif(N) ...@@ -31,8 +28,7 @@ theta = pi/2*runif(N)
``` ```
## 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 $X\sim U(0,1)$ et $Y\sim U(0,1)$ alors $P[X^2+Y^2\leq1]=\pi/4$ (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 $X∼U(0,1)$ et $Y∼U(0,1)$ alors $P[X^2+Y^2≤1]=\pi/4$ (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 Argument fréquentiel de surface} ```{r Argument fréquentiel de surface}
set.seed(42) set.seed(42)
...@@ -41,9 +37,10 @@ df = data.frame(X = runif(N), Y = runif(N)) ...@@ -41,9 +37,10 @@ df = data.frame(X = runif(N), Y = runif(N))
df$Accept = (df$X**2 + df$Y**2 <=1) df$Accept = (df$X**2 + df$Y**2 <=1)
library(ggplot2) library(ggplot2)
ggplot(df, aes(x=X,y=Y,color=Accept)) + geom_point(alpha=.2) + coord_fixed() + theme_bw() 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, $X^2+Y^2$ est inférieur à 1: 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} ```{r}
4*mean(df$Accept) 4*mean(df$Accept)
......
This source diff could not be displayed because it is too large. You can view the blob instead.
Markdown is supported
0% or
You are about to add 0 people to the discussion. Proceed with caution.
Finish editing this message first!
Please register or to comment