From f3dd8dd15739d6f6736fae5cd22ef2b73246d020 Mon Sep 17 00:00:00 2001 From: 8f7726592c23135ae5b65a064228781a <8f7726592c23135ae5b65a064228781a@app-learninglab.inria.fr> Date: Thu, 5 Aug 2021 14:20:51 +0000 Subject: [PATCH] Update toy_document_fr.Rmd --- module2/exo1/toy_document_fr.Rmd | 15 +++++++-------- 1 file changed, 7 insertions(+), 8 deletions(-) diff --git a/module2/exo1/toy_document_fr.Rmd b/module2/exo1/toy_document_fr.Rmd index 5b6ef6c..3b2fa4d 100644 --- a/module2/exo1/toy_document_fr.Rmd +++ b/module2/exo1/toy_document_fr.Rmd @@ -28,20 +28,19 @@ theta = pi/2*runif(N) ``` ## 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)). +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) -N = 1000 -df = data.frame(X = runif(N), Y = runif(N))df$Accept = (df$X**2 + df$Y**2 <=1) -library(ggplot2)ggplot(df, aes(x=X,y=Y,color=Accept)) + geom_point(alpha=.2) + coord_fixed() + theme_bw() +set.seed(42) +N = 1000 +df = data.frame(X = runif(N), Y = runif(N))df$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 $\pi$ en comptant combien de fois, en moyenne, $X^2 + Y^2$ est inférieur à 1: -```{r} -4*mean(df$Accept) +```{r} +4*mean(df$Accept) ``` \ No newline at end of file -- 2.18.1