From 2bbe021dc03bb8193a977c69d3af2d7532b61047 Mon Sep 17 00:00:00 2001
From: c8c97f9cb8c3a20740b5dc4b6225c706
 <c8c97f9cb8c3a20740b5dc4b6225c706@app-learninglab.inria.fr>
Date: Fri, 10 Apr 2020 16:49:18 +0000
Subject: [PATCH] Update toy_document_fr.Rmd

---
 module2/exo1/toy_document_fr.Rmd | 8 ++++----
 1 file changed, 4 insertions(+), 4 deletions(-)

diff --git a/module2/exo1/toy_document_fr.Rmd b/module2/exo1/toy_document_fr.Rmd
index 873be30..83bc9e9 100644
--- a/module2/exo1/toy_document_fr.Rmd
+++ b/module2/exo1/toy_document_fr.Rmd
@@ -12,13 +12,13 @@ knitr::opts_chunk$set(echo = TRUE)
 
 ## En demandant à l'ordinateur
 Mon ordinateur m’indique que $\pi$ vaut approximativement
-```
+```{r}
 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** :
-```
+```{r}
 set.seed(42)
 N = 100000
 x = runif(N)
@@ -33,7 +33,7 @@ Sinon, une méthode plus simple à comprendre et ne faisant pas intervenir d’a
  alors $P[X^2+Y^2 \le 1]= \pi/4$
  (voir [méthode de Monte Carlo sur Wikipedia](https://fr.wikipedia.org/wiki/Méthode_de_Monte-Carlo#Détermination_de_la_valeur_de_π)). 
  Le code suivant illustre ce fait:
-```
+```{r}
 set.seed(42)
 N = 1000
 df = data.frame(X = runif(N), Y = runif(N))
@@ -45,6 +45,6 @@ ggplot(df, aes(x=X,y=Y,color=Accept)) + geom_point(alpha=.2) + coord_fixed() + t
 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