Update toy_document_fr.Rmd

module2/exo1/toy_document_fr.Rmd

-------
-title: "__A propos du calcul de pi__"
+---
+title: "À propos du calcul de pi"
 author: "_Arnaud Legrand_"
 date: "_25 juin 2018_"
 output: html_document
 ---
 
-## __En demandant à la lib maths__
+```{r setup, include=FALSE}
+knitr::opts_chunk$set(echo = TRUE)
+```
 
-Mon ordinateur m’indique que _π_ vaut _approximativement_
+## En demandant à la lib maths
 
-```
+Mon ordinateur m'indique que $\pi$  vaut *approximativement*
+
+```{r cars}
 pi
 ```
 
-`## [1] 3.141593`
-
 ## 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
 x = runif(N)
@@ -27,59 +28,22 @@ theta = pi/2*runif(N)
 2/(mean(x+sin(theta)>1))
 ```
 
-`## [1] 3.14327`
-
-## 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]=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  $X\sim U(0,1)$ 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$Y**2 <=1)
 library(ggplot2)
 ggplot(df, aes(x=X,y=Y,color=Accept)) + geom_point(alpha=.2) + coord_fixed() + theme_bw()
-```
-
-Il est alors aisé d’obtenir une approximation (pas terrible) de _π_ en comptant combien de fois, en moyenne, X2+Y2 est inférieur à 1:
-
-```
-4*mean(df$Accept)
-```
 
-`## [1] 3.156``
-
----
-title: "Votre titre"
-author: "Votre nom"
-date: "La date du jour"
-output: html_document
----
-
-
-```{r setup, include=FALSE}
-knitr::opts_chunk$set(echo = TRUE)
-```
-
-## Quelques explications
-
-Ceci est un document R markdown que vous pouvez aisément exporter au format HTML, PDF, et MS Word. Pour plus de détails sur R Markdown consultez <http://rmarkdown.rstudio.com>.
-
-Lorsque vous cliquerez sur le bouton **Knit** ce document sera compilé afin de ré-exécuter le code R et d'inclure les résultats dans un document final. Comme nous vous l'avons montré dans la vidéo, on inclue du code R de la façon suivante:
-
-```{r cars}
-summary(cars)
 ```
 
-Et on peut aussi aisément inclure des figures. Par exemple:
+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 pressure, echo=FALSE}
-plot(pressure)
+```{r}
+4*mean(df$Accept)
 ```
-
-Vous remarquerez le paramètre `echo = FALSE` qui indique que le code ne doit pas apparaître dans la version finale du document. Nous vous recommandons dans le cadre de ce MOOC de ne pas utiliser ce paramètre car l'objectif est que vos analyses de données soient parfaitement transparentes pour être reproductibles. 
-
-Comme les résultats ne sont pas stockés dans les fichiers Rmd, pour faciliter la relecture de vos analyses par d'autres personnes, vous aurez donc intérêt à générer un HTML ou un PDF et à le commiter.
-
-Maintenant, à vous de jouer! Vous pouvez effacer toutes ces informations et les remplacer par votre document computationnel.