From f691f26312e17e642f1595ed678d9b4fcb1600b8 Mon Sep 17 00:00:00 2001
From: 61108243dd1ab58c494e6087352737ae
 <61108243dd1ab58c494e6087352737ae@app-learninglab.inria.fr>
Date: Fri, 22 Nov 2024 09:14:26 +0000
Subject: [PATCH] Version finale

---
 module2/exo1/toy_document_fr.Rmd | 18 ++++++++++--------
 1 file changed, 10 insertions(+), 8 deletions(-)

diff --git a/module2/exo1/toy_document_fr.Rmd b/module2/exo1/toy_document_fr.Rmd
index bb935b8..af3f89f 100644
--- a/module2/exo1/toy_document_fr.Rmd
+++ b/module2/exo1/toy_document_fr.Rmd
@@ -5,19 +5,20 @@ date: "25 juin 2018"
 output: html_document
 ---
 
-
 ```{r setup, include=FALSE}
 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*
 
 ```{r 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** :
 
 ```{r aiguilles de buffon}
@@ -28,11 +29,11 @@ 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 $X\simU(0,1)$ et $Y\simU(0,1)$ 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 $X\sim U(0,1)$ 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:
 
-```
+```{r}
 set.seed(42)
 N = 1000
 df = data.frame(X = runif(N), Y = runif(N))
@@ -42,6 +43,7 @@ ggplot(df, aes(x=X,y=Y,color=Accept)) + geom_point(alpha=.2) + coord_fixed() + t
 ```
 
 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}
 4*mean(df$Accept)
-```
\ No newline at end of file
+```
-- 
2.18.1