exo1corr1

module2/exo1/toy_document_fr.Rmd

@@ -4,7 +4,7 @@
 
 ## En demandant à la lib maths
 
-Mon ordinateur m'indique que π vaut approximativement
+Mon ordinateur m'indique que π vaut *approximativement*
 
 ```{r}
 pi
@@ -13,7 +13,7 @@ pi
 
 ## En utilisant la méthode des aiguilles de Buffon
 
-Mais calculé avec la **méthode** des aiguilles de Buffon, on obtiendrait comme **approximation** :
+Mais calculé avec la **méthode** des [aiguilles de Buffon](https://fr.wikipedia.org/wiki/Aiguille_de_Buffon), on obtiendrait comme **approximation** :
 
 ```{r}
 
@@ -27,7 +27,7 @@ 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[X2+Y2≤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[X2+Y2≤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:
 
 ```{r}
 set.seed(42) 
@@ -38,7 +38,7 @@ library(ggplot2) ggplot(df, aes(x=X,y=Y,color=Accept)) + geom_point(alpha=.2) +
 
 ```
 
-Il est alors aisé d'obtenir une approximation (pas terrible) de π en comptant combien de fois, en moyenne, **X2+Y2** est inférieur à \***1**:
+Il est alors aisé d'obtenir une approximation (pas terrible) de π en comptant combien de fois, en moyenne, **X2+Y2** est inférieur à **1**:
 
 ```{r}
 4*mean(df$Accept)