From fdfe959b570b76c892cf9f1da03350f1215d790c Mon Sep 17 00:00:00 2001
From: 6a3c288dcd7f2666e660995eabef9a91
 <6a3c288dcd7f2666e660995eabef9a91@app-learninglab.inria.fr>
Date: Thu, 17 Dec 2020 12:09:28 +0000
Subject: [PATCH] Update toy_document_fr.Rmd

---
 module2/exo1/toy_document_fr.Rmd | 51 ++++++++++++++++++++++----------
 1 file changed, 36 insertions(+), 15 deletions(-)

diff --git a/module2/exo1/toy_document_fr.Rmd b/module2/exo1/toy_document_fr.Rmd
index 4bdcfdb..8edc2f4 100644
--- a/module2/exo1/toy_document_fr.Rmd
+++ b/module2/exo1/toy_document_fr.Rmd
@@ -1,30 +1,51 @@
 ---
-title: "A propos du calcul de pi"
-author: "Arnaud Legrand"
-date: "25 juin 2018"
+title: "À propos du calcul de pi"
+author: "Nancy D'Arminio"
+date: "08 juin 2020"
 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 π vaut approximativement
+Mon ordinateur m'indique que $\pi$ vaut approximativement
 
-```{r cars}
+```
 pi
 ```
 
-Et on peut aussi aisément inclure des figures. Par exemple:
+## 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 pressure, echo=FALSE}
-plot(pressure)
+```{r }
+set.seed(42)
+N = 100000
+x = runif(N)
+theta = pi/2*runif(N)
+2/(mean(x+sin(theta)>1))
 ```
 
-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. 
+## 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 
+$P[X^{2} + Y^{2} \le 1]= \pi /4$ 
+(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, $X{2}+Y{2}$ est inférieur à 1:
 
-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.
+```{r }
+4*mean(df$Accept)
+```
+## [1] 3.156
-- 
2.18.1