From ec5a4394411cb3f17a821fe6db8a8f05e25ed15a Mon Sep 17 00:00:00 2001 From: cec0fa441f8ff58b093113f2b0885f9a Date: Fri, 18 Jun 2021 21:10:14 +0000 Subject: [PATCH] Update toy_document_fr.Rmd --- module2/exo1/toy_document_fr.Rmd | 18 +----------------- 1 file changed, 1 insertion(+), 17 deletions(-) diff --git a/module2/exo1/toy_document_fr.Rmd b/module2/exo1/toy_document_fr.Rmd index a24a382..46bd9dc 100644 --- a/module2/exo1/toy_document_fr.Rmd +++ b/module2/exo1/toy_document_fr.Rmd @@ -10,12 +10,6 @@ output: html_document knitr::opts_chunk$set(echo = TRUE) ``` -## 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 . - -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) ``` @@ -26,22 +20,12 @@ Et on peut aussi aisément inclure des figures. Par exemple: plot(pressure) ``` -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. - -Mon ordinateur m’indique que π vaut approximativement ## [1] 3.141593 -En utilisant la méthode des aiguilles de Buffon -Mais calculé avec la méthode des aiguilles de Buffon, on obtiendrait comme approximation : + ## [1] 3.14327 -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 méthode de Monte Carlo sur Wikipedia). Le code suivant illustre ce fait: set.seed(42) N = 1000 -- 2.18.1