#+RESULTS: Lorsque vous utiliserez le raccourci =C-c C-e h o=, ce document sera
: 3.141592653589793 compilé en html. Tout le code contenu sera ré-exécuté, les résultats
récupérés et inclus dans un document final. Si vous ne souhaitez pas
* En utilisant la méthode des aiguilles de Buffon ré-exécuter tout le code à chaque fois, il vous suffit de supprimer
Mais calculé avec la *méthode* des [[https://fr.wikipedia.org/wiki/Aiguille_de_Buffon][aiguilles de Buffon]], on obtiendrait le # et l'espace qui sont devant le ~#+PROPERTY:~ au début de ce
comme *approximation* : document.
#+begin_src python :results value :session *python* :exports both Comme nous vous l'avons montré dans la vidéo, on inclue du code
import numpy as np python de la façon suivante (et on l'exécute en faisant ~C-c C-c~):
np.random.seed(seed=42)
N = 10000 #+begin_src python :results output :exports both
x = np.random.uniform(size=N, low=0, high=1) print("Hello world!")
: 3.128911138923655 Voici la même chose, mais avec une session python, donc une
persistance d'un bloc à l'autre (et on l'exécute toujours en faisant
* Avec un argument "fréquentiel" de surface ~C-c C-c~).
Sinon, une méthode plus simple à comprendre et ne faisant pas #+begin_src python :results output :session :exports both
intervenir d'appel à la fonction sinus se base sur le fait que si $X\sim import numpy
U(0,1)$ et $Y\sim U(0,1)$ alors $P[X^2+Y^2\leq 1] = \pi/4$ (voir [[https://fr.wikipedia.org/wiki/M%25C3%25A9thode_de_Monte-Carlo#D%25C3%25A9termination_de_la_valeur_de_%25CF%2580][méthode de x=numpy.linspace(-15,15)
Monte Carlo sur Wikipedia]]). Le code suivant illustre ce fait : print(x)
