From 413d5b1ac0a4bbbe7ebcd9f63c51bfaba640d857 Mon Sep 17 00:00:00 2001
From: fce93069b4bce444fe8565ce6d49f908
 <fce93069b4bce444fe8565ce6d49f908@app-learninglab.inria.fr>
Date: Fri, 3 Apr 2020 20:19:24 +0000
Subject: [PATCH] Update toy_document_fr.Rmd

---
 module2/exo1/toy_document_fr.Rmd | 8 +++++---
 1 file changed, 5 insertions(+), 3 deletions(-)

diff --git a/module2/exo1/toy_document_fr.Rmd b/module2/exo1/toy_document_fr.Rmd
index b53edb8..18c6314 100644
--- a/module2/exo1/toy_document_fr.Rmd
+++ b/module2/exo1/toy_document_fr.Rmd
@@ -9,6 +9,7 @@ output: html_document
 ```{r setup, include=FALSE}
 knitr::opts_chunk$set(echo = TRUE)
 ```
+
 ## En demandant à la lib maths
 Mon ordinateur m'indique que $\pi$ vaut *approximativement*
 
@@ -22,7 +23,7 @@ Mais calculé avec la __méthode__ des [aiguilles de Buffon](https://fr.wikipedi
 ```{r}
 set.seed(42)
 N=100000
-x =runif(N)
+x = runif(N)
 theta = pi/2*runif(N)
 2/(mean(x+sin(theta)>1))
 ```
@@ -32,7 +33,7 @@ Sinon, une méthode plus simple à comprendre et ne faisant pas intervenir d'app
 
 ```{r}
 set.seed(42)
-N = 1000
+N=1000
 df = data.frame(X = runif(N), Y = runif(N))
 df$Accept = (df$X**2 + df$Y**2 <=1)
 library(ggplot2)
@@ -44,4 +45,5 @@ Il est alors aisé d'obtenir une approximation (pas terrible) de $\pi$ en compta
 
 ```{r}
 4*mean(df$Accept)
-```
\ No newline at end of file
+```
+
-- 
2.18.1