---
output:
  pdf_document: default

---

```{r setup, include=FALSE}
knitr::opts_chunk$set(echo = TRUE)
```


# A propos du calcul de pi

*Arnaud Legrand*

*25 juin 2018*

# En demandant à la lib maths
Mon ordinateur m'indique que $\pi$ vaut *approximativement*


```{r cars}
pi
```

# En utilisant la méthode des aiguilles de Buffon
Mais calculé avec la **méthode** des aiguilles de Buffon, on obtiendrait comme **approximation** :

```{r pressure}
set.seed(42)
N = 100000
x = runif(N)
theta = pi/2*runif(N)
2/(mean(x+sin(theta)>1))
```

# 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 $P[X^2 + Y^2 \leq 1] = \frac{\pi}{4}$ ([voir méthode de Monte Carlo sur Wikipédia](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()

```

l 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)
```