From 00e0263b451a1aa9f6dff09a684d3097186b52d9 Mon Sep 17 00:00:00 2001
From: b8d70ed5df9a80c9b57b988df57c3e93
 <b8d70ed5df9a80c9b57b988df57c3e93@app-learninglab.inria.fr>
Date: Fri, 4 Aug 2023 15:07:08 +0000
Subject: [PATCH] Replace toy_document_fr.Rmd

---
 module2/exo1/toy_document_fr.Rmd | 50 ++++++++++++++++++--------------
 1 file changed, 29 insertions(+), 21 deletions(-)

diff --git a/module2/exo1/toy_document_fr.Rmd b/module2/exo1/toy_document_fr.Rmd
index c670206..7bb4ec5 100644
--- a/module2/exo1/toy_document_fr.Rmd
+++ b/module2/exo1/toy_document_fr.Rmd
@@ -4,30 +4,38 @@ author: "Arnaud Legrand"
 date: "25 juin 2018"
 output: html_document
 ---
+# En demandant à la lib maths
+Mon ordinateur m'indique que $\pi$ vaut *approximativement*
 
-
-```{r setup, include=FALSE}
-knitr::opts_chunk$set(echo = TRUE)
+```{r pi, include=TRUE}
+pi
 ```
-
-## Quelques explications
-
-Ceci est un document R markdown que vous pouvez aisément exporter au format HTML, PDF, et MS Word. Pour plus de détails sur R Markdown consultez <http://rmarkdown.rstudio.com>.
-
-Lorsque vous cliquerez sur le bouton **Knit** ce document sera compilé afin de ré-exécuter le code R et d'inclure les résultats dans un document final. Comme nous vous l'avons montré dans la vidéo, on inclue du code R de la façon suivante:
-
-```{r cars}
-summary(cars)
+# En utilisant la méthode des aiguilles de Buffon
+Mais calculé avec la méthode des [aiguilles de Buffon](https://fr.wikipedia.org/wiki/Aiguille_de_Buffon), on obtiendrait comme **approximation** :
+
+```{r aiguilles de Buffon, include=TRUE}
+set.seed(42)
+N = 100000
+x = runif(N)
+theta = pi/2*runif(N)
+2/(mean(x+sin(theta)>1))
 ```
-
-Et on peut aussi aisément inclure des figures. Par exemple:
-
-```{r pressure, echo=FALSE}
-plot(pressure)
+# Avec un argument "fréquentil" de surface
+Sinon, une méthode plus simple à comprendre et ne faisant pas intervenir d'appel à la fonction sinus se base sur le faire que si 
+
+```{r Monte Carlo}
+set.seed(42)
+N = 1000
+df = data.frame(X = runif(N), Y = runif(N))
+df$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, 
+```{r}
 
-Vous remarquerez le paramètre `echo = FALSE` 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 utiliser ce paramètre car l'objectif est que vos analyses de données soient parfaitement transparentes pour être reproductibles. 
-
-Comme les résultats ne sont pas stockés dans les fichiers Rmd, pour faciliter la relecture de vos analyses par d'autres personnes, vous aurez donc intérêt à générer un HTML ou un PDF et à le commiter.
+```
 
-Maintenant, à vous de jouer! Vous pouvez effacer toutes ces informations et les remplacer par votre document computationnel.
+````{r Comptage}
+4*mean(df$Accept)
+```
\ No newline at end of file
-- 
2.18.1