From 30d87fc5f6e0d44a39da14b5a6d2b9c803af643f Mon Sep 17 00:00:00 2001
From: MDalmasso <marine.dalmasso@ign.fr>
Date: Fri, 9 Jun 2023 16:26:25 +0200
Subject: [PATCH] Modification du script pour correspondre au calcul de pi

---
 module2/exo2/exercice_fr.Rmd | 54 +++++++++++++++++++++++++-----------
 1 file changed, 38 insertions(+), 16 deletions(-)

diff --git a/module2/exo2/exercice_fr.Rmd b/module2/exo2/exercice_fr.Rmd
index 7eece5e..a76bee0 100644
--- a/module2/exo2/exercice_fr.Rmd
+++ b/module2/exo2/exercice_fr.Rmd
@@ -1,33 +1,55 @@
 ---
-title: "Votre titre"
-author: "Votre nom"
-date: "La date du jour"
+title: "A propos du calcul de pi"
+author: "Marine Dalmasso"
+date: "09/06/2023"
 output: html_document
 ---
 
-
 ```{r setup, include=FALSE}
 knitr::opts_chunk$set(echo = TRUE)
 ```
 
-## Quelques explications
+# En demandant à la lib maths
 
-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>.
+Mon ordinateur m’indique que π vaut approximativement
+```{r}
+pi
+```
 
-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
 
-Et on peut aussi aisément inclure des figures. Par exemple:
+Mais calculé avec la **méthode** des <link url>[aiguilles de Buffon](https://fr.wikipedia.org/wiki/Aiguille_de_Buffon), on obtiendrait comme **approximation** :
 
-```{r pressure, echo=FALSE}
-plot(pressure)
+```{r}
+set.seed(42)
+N = 100000
+x = runif(N)
+theta = pi/2*runif(N)
+2/(mean(x+sin(theta)>1))
 ```
 
-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.
+# 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 $X∼U(0,1)$
+et $Y∼U(0,1)$ alors $P[X2+Y2≤1]=π/4$
+
+(voir <link url>[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:
 
-Maintenant, à vous de jouer! Vous pouvez effacer toutes ces informations et les remplacer par votre document computationnel.
+```{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()
+```
+
+Il est alors aisé d’obtenir une approximation (pas terrible) de π
+en comptant combien de fois, en moyenne, $X^2+Y^2$
+
+est inférieur à 1:
+```{r}
+4*mean(df$Accept)
+```
-- 
2.18.1