From 18cd3b8b0403fe93fc245a95f326d59d63a6f3ab Mon Sep 17 00:00:00 2001 From: d39e984183b80ba901e47d94db5062c0 Date: Wed, 18 Oct 2023 14:44:10 +0000 Subject: [PATCH] Revert "Replace toy_document_fr.Rmd" This reverts commit 236c5211ff36ce250026f01a292a41ec1f1d009f --- module2/exo1/toy_document_fr.Rmd | 50 +++++++++++--------------------- 1 file changed, 17 insertions(+), 33 deletions(-) diff --git a/module2/exo1/toy_document_fr.Rmd b/module2/exo1/toy_document_fr.Rmd index 28d6aa9..7eece5e 100644 --- a/module2/exo1/toy_document_fr.Rmd +++ b/module2/exo1/toy_document_fr.Rmd @@ -1,49 +1,33 @@ --- -title: "A propos de pi" -author: "Ophélie" -date: "18/10/2023" +title: "Votre titre" +author: "Votre nom" +date: "La date du jour" output: html_document --- -```{r setup, include=TRUE} +```{r setup, include=FALSE} +knitr::opts_chunk$set(echo = TRUE) ``` -## En demandant à la lib maths +## Quelques explications -Mon ordinatuer m'indique que $\pi$ vaut approximativement +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 . -```{r pi} -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** : +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 buffon} -set.seed(42) -N = 100000 -x = runif(N) -theta = pi/2*runif(N) -2/(mean(x+sin(theta)>1)) +```{r cars} +summary(cars) ``` -## Avec un argument “fréquentiel” de surface +Et on peut aussi aisément inclure des figures. Par exemple: -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 $X\sim U(0,1)$ et $Y\sim U(0,1)$ alors $P[X^2+Y^2\leq 1] = \pi/4$ (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 graph} -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() +```{r pressure, echo=FALSE} +plot(pressure) ``` -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 approximation pi} -*mean(df$Accept) -``` +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. -- 2.18.1