From a1021345fc17748e8b7375cfd142cb789559ba13 Mon Sep 17 00:00:00 2001
From: 79e802aa17c93ff182cdea377fb6b01e
 <79e802aa17c93ff182cdea377fb6b01e@app-learninglab.inria.fr>
Date: Wed, 15 Jul 2020 09:51:39 +0000
Subject: [PATCH] Update toy_document_fr.Rmd

---
 module2/exo1/toy_document_fr.Rmd | 16 +++++++++-------
 1 file changed, 9 insertions(+), 7 deletions(-)

diff --git a/module2/exo1/toy_document_fr.Rmd b/module2/exo1/toy_document_fr.Rmd
index 5333d71..37ff1ee 100644
--- a/module2/exo1/toy_document_fr.Rmd
+++ b/module2/exo1/toy_document_fr.Rmd
@@ -5,8 +5,11 @@ date: "25 juin 2018"
 output: html_document
 ---
 
-## En demandant à la lib maths
+```{r setup, include=FALSE}
+knitr::opts_chunk$set(echo = TRUE)
+```
 
+## En demandant à la lib maths
 Mon ordinateur m’indique que π vaut approximativement
 
 ```{r}
@@ -14,8 +17,7 @@ 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}
 set.seed(42)
@@ -25,9 +27,8 @@ 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 $\(X\sim U(0,1)\)$ 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:
+## 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 $P[X^2+Y^2\leq 1] = \pi/4$ (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)
@@ -36,9 +37,10 @@ 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 $\(\pi\)$ 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)
-- 
2.18.1