Corrections espaces et separation de cellules

module2/exo1/toy_notebook_fr.ipynb

@@ -4,11 +4,17 @@
    "cell_type": "markdown",
    "metadata": {},
    "source": [
-    "# À propos du calcul de $pi$\n",
-    "\n",
+    "# À propos du calcul de $pi$"
+   ]
+  },
+  {
+   "cell_type": "markdown",
+   "metadata": {},
+   "source": [
     "## En demandant à lib maths\n",
-    "    \n",
-    "Mon ordinateur m'indique que $pi$ vaut *approximativement*"
+    "\n",
+    "\n",
+    "Mon ordinateur m'indique que $pi$ vaut *approximativement*\n"
    ]
   },
   {
@@ -33,14 +39,14 @@
    "cell_type": "markdown",
    "metadata": {},
    "source": [
-    "# En utilisant la méthode des aiguilles de Buffon\n",
+    "## En utilisant la méthode des aiguilles de Buffon\n",
     "\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,
+   "execution_count": 7,
    "metadata": {},
    "outputs": [
     {
@@ -49,7 +55,7 @@
        "3.128911138923655"
       ]
      },
-     "execution_count": 2,
+     "execution_count": 7,
      "metadata": {},
      "output_type": "execute_result"
     }
@@ -57,9 +63,9 @@
    "source": [
     "import numpy as np\n",
     "np.random.seed(seed=42)\n",
-    "N=10000\n",
-    "x=np.random.uniform(size=N, low=0, high=1)\n",
-    "theta=np.random.uniform(size=N, low=0, high=pi/2)\n",
+    "N = 10000\n",
+    "x = np.random.uniform(size=N, low=0, high=1)\n",
+    "theta = np.random.uniform(size=N, low=0, high=pi/2)\n",
     "2/(sum((x+np.sin(theta))>1)/N)"
    ]
   },
@@ -67,16 +73,15 @@
    "cell_type": "markdown",
    "metadata": {},
    "source": [
-    "## Avec un argument \"fréquentie\" de surface\n",
-    "\n",
+    "## Avec un argument \"fréquentiel\" de surface\n",
     "Sinon, une méthode plus simple  comprendre et ne faisant pas intervenir d'appel à la fonction sinus se base\n",
     "sur le fait que si W ~ U(0,1) et Y ~ (0,1) alors P \\[X² + Y² ≤ 1\\] = $pi$/4 (voir \n",
-    "[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 :"
+    "[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 :\n"
    ]
   },
   {
    "cell_type": "code",
-   "execution_count": 4,
+   "execution_count": 8,
    "metadata": {},
    "outputs": [
     {
@@ -96,12 +101,12 @@
     "%matplotlib inline\n",
     "import matplotlib.pyplot as plt\n",
     "np.random.seed(seed=42)\n",
-    "N=1000\n",
-    "x=np.random.uniform(size=N, low=0, high=1)\n",
-    "y=np.random.uniform(size=N, low=0, high=1)\n",
-    "accept=(x*x+y*y)<=1\n",
-    "reject=np.logical_not(accept)\n",
-    "fig, ax=plt.subplots(1)\n",
+    "N = 1000\n",
+    "x = np.random.uniform(size=N, low=0, high=1)\n",
+    "y = np.random.uniform(size=N, low=0, high=1)\n",
+    "accept = (x*x+y*y)<=1\n",
+    "reject = np.logical_not(accept)\n",
+    "fig, ax = plt.subplots(1)\n",
     "ax.scatter(x[accept], y[accept], c='b', alpha=0.2, edgecolor=None)\n",
     "ax.scatter(x[reject], y[reject], c='r', alpha=0.2, edgecolor=None)\n",
     "ax.set_aspect('equal')"