diff --git a/module2/exo1/toy_notebook_fr.ipynb b/module2/exo1/toy_notebook_fr.ipynb index f2b4f7af9e763710bbfbc9591c54186712f9fa02..68ba06b6f109477c59629d58d45a3352d1e1ef8f 100644 --- a/module2/exo1/toy_notebook_fr.ipynb +++ b/module2/exo1/toy_notebook_fr.ipynb @@ -1,23 +1,32 @@ { "cells": [ + { + "cell_type": "markdown", + "metadata": {}, + "source": [ + "# À propos du calcul de π\n", + "## En demandant à la lib maths\n", + "Mon ordinateur m'indique que $\\pi$ vaut *approximativement*" + ] + }, { "cell_type": "code", - "execution_count": 1, + "execution_count": null, "metadata": {}, - "outputs": [ - { - "name": "stdout", - "output_type": "stream", - "text": [ - "3.141592653589793\n" - ] - } - ], + "outputs": [], "source": [ "from math import *\n", "print(pi)" ] }, + { + "cell_type": "markdown", + "metadata": {}, + "source": [ + "## En utilisant la méthode des aiguilles de Buffon\n", + "Mais calculé avec la __méthode__ des [aiguilles de Buffon](https://fr.wikipedia.org/wiki/Aiguille_de_Buffon), on obtiendrait comme __approximation__ :" + ] + }, { "cell_type": "code", "execution_count": 2, @@ -43,6 +52,14 @@ "2/(sum((x+np.sin(theta))>1)/N)" ] }, + { + "cell_type": "markdown", + "metadata": {}, + "source": [ + "## Avec un argument \"fréquentiel\" de surface\n", + "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 :" + ] + }, { "cell_type": "code", "execution_count": 3, @@ -77,6 +94,33 @@ "ax.set_aspect('equal')" ] }, + { + "cell_type": "markdown", + "metadata": {}, + "source": [ + "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 :" + ] + }, + { + "cell_type": "code", + "execution_count": 4, + "metadata": {}, + "outputs": [ + { + "data": { + "text/plain": [ + "3.112" + ] + }, + "execution_count": 4, + "metadata": {}, + "output_type": "execute_result" + } + ], + "source": [ + "4*np.mean(accept)" + ] + }, { "cell_type": "code", "execution_count": null,