From bafcb6939b1e0afb9fa38aae7887ac79a2e29cd0 Mon Sep 17 00:00:00 2001 From: 6440d7b6a2c62bc3fc2d384ed4f7b66b <6440d7b6a2c62bc3fc2d384ed4f7b66b@app-learninglab.inria.fr> Date: Sun, 13 Nov 2022 11:30:21 +0000 Subject: [PATCH] Exercice 02-1 MOOC (update 13.11.2022) --- module2/exo1/toy_document_fr.Rmd | 51 +++----------------------------- 1 file changed, 4 insertions(+), 47 deletions(-) diff --git a/module2/exo1/toy_document_fr.Rmd b/module2/exo1/toy_document_fr.Rmd index c89e625..9c85317 100644 --- a/module2/exo1/toy_document_fr.Rmd +++ b/module2/exo1/toy_document_fr.Rmd @@ -1,50 +1,7 @@ ---- -title: "À propos du calcul de pi" -author: "Ilya Meignan--Masson" -date: "2022-10-17" -output: html_document ---- - +# A propos du calcul de pi +### Frédérique +### 13.11.2022 ## En demandant à la lib maths +#### Mon ordinateur m'indique que {\displaystyle \pi \,} vaut approximativement -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), on obtiendrait comme **approximation** : - -```{r} -set.seed(42) -N = 100000 -x = runif(N) -theta = pi/2*runif(N) -2/(mean(x+sin(theta)>1)) -``` - -## 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 -$X \sim U(0,1)$ 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/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) -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() -``` - -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} -4*mean(df$Accept) -``` -- 2.18.1