Update toy_document_fr.Rmd

module2/exo1/toy_document_fr.Rmd

@@ -12,7 +12,7 @@ knitr::opts_chunk$set(echo = TRUE)
 
 ## En demandant à la lib maths
 
-Mon ordinateur m’indique que $\pi vaut approximativement
+Mon ordinateur m'indique que $\pi$ vaut *approximativement*
 
 
 ```{r cars}
@@ -20,9 +20,9 @@ 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__:
+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}
+```{r}
 set.seed(42)
 N = 100000
 x = runif(N)
@@ -34,7 +34,7 @@ theta = pi/2*runif(N)
 
 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.
+(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)
@@ -45,7 +45,7 @@ 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, $X^2 + Y^2$ 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}
 4*mean(df$Accept)