Update exercice_fr.Rmd

parent 2bcf6e44
......@@ -5,27 +5,29 @@ date: "09/07/2025"
output: html_document
---
```{r setup, include=FALSE}
knitr::opts_chunk$set(echo = TRUE)
```
# À propos du calcul de pi
*Arnaud Legrand
25 juin 2018*
*Arnaud Legrand 25 juin 2018*
# En demandant à la lib maths
Mon ordinateur m'indique que $\pi$ vaut _approximativement
``` {r}
pi
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) :
Mais calculé avec la **méthode** des [aiguilles de Buffon](https://fr.wikipedia.org/wiki/Aiguille_de_Buffon) :
```{r}
``` {r}
set.seed(42)
N = 100000
......@@ -36,20 +38,20 @@ theta = pi:2*runif(N)
# Avec un argument "fréquentiel" de surface
Sinon, ume méthode plus simple à comprendre et ne faisant pas intervenir d'appel à la fonction sinus se base sur le fait que $X \sim {\sf U}(0, 1)$ et $Y \sim {\sf U}(0, 1)$ alors $P [X^{2} + Y^{2} $\le 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:
Sinon, ume méthode plus simple à comprendre et ne faisant pas intervenir d'appel à la fonction sinus se base sur le fait que $X \sim {\sf U}(0, 1)$ et $Y \sim {\sf U}(0, 1)$ alors \$P [X\^{2} + Y\^{2} \$\le 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}
```{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(ddplot2)
ggplot(df, aes(x=X,y=Y,color=Accept)) + geom_point(alpha=.2) + coordi_fixed() + theme_bw()
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 $\pi en comptant combien de fois, en moyenne, X^{2} + Y^{2} est inférieur à 1:
Il est alors aisé d'obtenir une approximation (pas terrible) de \$\pi en comptant combien de fois, en moyenne, X\^{2} + Y\^{2} est inférieur à 1:
``` {r}
```{r}
4*mean(df$Accept)
```
\ No newline at end of file
```
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