diff --git a/module2/exo1/toy_document_fr.Rmd b/module2/exo1/toy_document_fr.Rmd index 1069167aa9562bc1f962be51334e287198c84df9..21b260863f849cbf2b8af8bb3a3c792b87169a74 100644 --- a/module2/exo1/toy_document_fr.Rmd +++ b/module2/exo1/toy_document_fr.Rmd @@ -12,7 +12,7 @@ knitr::opts_chunk$set(echo = TRUE) ## En demandant à la lib maths -Mon ordinateur m’indique que $π$ vaut approximativement +Mon ordinateur m’indique que $\pi$ vaut approximativement ```{r} pi ``` @@ -32,7 +32,7 @@ theta = pi/2*runif(N) ## 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 $P[X^2+Y^2≤1]=π/4$ ([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, 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 $P[X^2+Y^2≤1]=\pi/4$ ([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 message=FALSE} set.seed(42) diff --git a/module2/exo1/toy_document_fr.html b/module2/exo1/toy_document_fr.html index 64123d752588f075df0e20d250f4595e10b76918..44c3dec0167a097deaa8ea451b632ed407bd3bb6 100644 --- a/module2/exo1/toy_document_fr.html +++ b/module2/exo1/toy_document_fr.html @@ -199,7 +199,7 @@ $(document).ready(function () {

En demandant à la lib maths

-

Mon ordinateur m’indique que \(π\) vaut approximativement

+

Mon ordinateur m’indique que \(\pi\) vaut approximativement

pi
## [1] 3.141593
@@ -215,7 +215,7 @@ theta = pi/2*runif(N)

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 \(P[X^2+Y^2≤1]=π/4\) (voir méthode de Monte Carlo sur Wikipedia). Le code suivant illustre ce fait:

+

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 \(P[X^2+Y^2≤1]=\pi/4\) (voir méthode de Monte Carlo sur Wikipedia). Le code suivant illustre ce fait:

set.seed(42)
 N = 1000
 df = data.frame(X = runif(N), Y = runif(N))