Update toy_document_orgmode_R_fr.org

parent a9723311
#+TITLE: Votre titre title: "À propos du calcul de pi"
#+AUTHOR: Votre nom author: "Arnaud Legrand"
#+DATE: La date du jour date: "25 juin 2018"
#+LANGUAGE: fr output: html_document
# #+PROPERTY: header-args :eval never-export ---
---
#+HTML_HEAD: <link rel="stylesheet" type="text/css" href="http://www.pirilampo.org/styles/readtheorg/css/htmlize.css"/> ```{r setup, include=FALSE}
#+HTML_HEAD: <link rel="stylesheet" type="text/css" href="http://www.pirilampo.org/styles/readtheorg/css/readtheorg.css"/> knitr::opts_chunk$set(echo = TRUE)
#+HTML_HEAD: <script src="https://ajax.googleapis.com/ajax/libs/jquery/2.1.3/jquery.min.js"></script> ```
#+HTML_HEAD: <script src="https://maxcdn.bootstrapcdn.com/bootstrap/3.3.4/js/bootstrap.min.js"></script>
#+HTML_HEAD: <script type="text/javascript" src="http://www.pirilampo.org/styles/lib/js/jquery.stickytableheaders.js"></script> ## En demandant à la lib mats
#+HTML_HEAD: <script type="text/javascript" src="http://www.pirilampo.org/styles/readtheorg/js/readtheorg.js"></script> Mon ordinateur m'indique que $\pi$ vaut *approximativement*
```{r cars}
* Quelques explications pi
```
Ceci est un document org-mode avec quelques exemples de code
R. Une fois ouvert dans emacs, ce document peut aisément être ## En utilisant la méthode des aiguilles de Buffon
exporté au format HTML, PDF, et Office. Pour plus de détails sur
org-mode vous pouvez consulter https://orgmode.org/guide/. Mais calculé avec la __méthode__ des [aiguilles de Buffon](https://fr.wikipedia.org/wiki/Aiguille_de_Buffon), on obtiendrait comme __approximation__ :
Lorsque vous utiliserez le raccourci =C-c C-e h o=, ce document sera ```{r}
compilé en html. Tout le code contenu sera ré-exécuté, les résultats set.seed(42)
récupérés et inclus dans un document final. Si vous ne souhaitez pas N = 100000
ré-exécuter tout le code à chaque fois, il vous suffit de supprimer x = runif(N)
le # et l'espace qui sont devant le ~#+PROPERTY:~ au début de ce theta = pi/2*runif(N)
document. 2/(mean(x+sin(theta)>1))
```
Comme nous vous l'avons montré dans la vidéo, on inclut du code ## Avec un argument "fréquentiel" de surface
R de la façon suivante (et on l'exécute en faisant ~C-c C-c~): 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}
#+begin_src R :results output :exports both set.seed(42)
print("Hello world!") N = 1000
#+end_src df = data.frame(X = runif(N), Y = runif(N))
df$Accept = (df$X**2 + df$Y**2 <=1)
#+RESULTS: library(ggplot2)
: [1] "Hello world!" ggplot(df, aes(x=X,y=Y,color=Accept)) + geom_point(alpha=.2) + coord_fixed() + theme_bw()
```
Voici la même chose, mais avec une session R (c'est le cas le 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 :
plus courant, R étant vraiment un langage interactif), donc une ```{r}
persistance d'un bloc à l'autre (et on l'exécute toujours en faisant 4*mean(df$Accept)
~C-c C-c~). ```
\ No newline at end of file
#+begin_src R :results output :session *R* :exports both
summary(cars)
#+end_src
#+RESULTS:
: speed dist
: Min. : 4.0 Min. : 2.00
: 1st Qu.:12.0 1st Qu.: 26.00
: Median :15.0 Median : 36.00
: Mean :15.4 Mean : 42.98
: 3rd Qu.:19.0 3rd Qu.: 56.00
: Max. :25.0 Max. :120.00
Et enfin, voici un exemple de sortie graphique:
#+begin_src R :results output graphics :file "./cars.png" :exports results :width 600 :height 400 :session *R*
plot(cars)
#+end_src
#+RESULTS:
[[file:./cars.png]]
Vous remarquerez le paramètre ~:exports results~ 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 changer ce paramètre
(indiquer ~both~) car l'objectif est que vos analyses de données soient
parfaitement transparentes pour être reproductibles.
Attention, la figure ainsi générée n'est pas stockée dans le document
org. C'est un fichier ordinaire, ici nommé ~cars.png~. N'oubliez pas
de le committer si vous voulez que votre analyse soit lisible et
compréhensible sur GitLab.
Enfin, pour les prochains exercices, nous ne vous fournirons pas
forcément de fichier de départ, ça sera à vous de le créer, par
exemple en repartant de ce document et de le commiter vers
gitlab. N'oubliez pas que nous vous fournissons dans les ressources de
ce MOOC une configuration avec un certain nombre de raccourcis
claviers permettant de créer rapidement les blocs de code R (en
faisant ~<r~ ou ~<R~ suivi de ~Tab~).
Maintenant, à vous de jouer! Vous pouvez effacer toutes ces
informations et les remplacer par votre document computationnel.
Markdown is supported
0% or
You are about to add 0 people to the discussion. Proceed with caution.
Finish editing this message first!
Please register or to comment