aaa

module2/exo1/toy_notebook_fr.ipynb

@@ -17,7 +17,7 @@
   },
   {
    "cell_type": "code",
-   "execution_count": 14,
+   "execution_count": 1,
    "metadata": {
     "scrolled": true
    },
@@ -40,12 +40,12 @@
    "metadata": {},
    "source": [
     "## En utilisant la méthode des aiguilles de Buffon\n",
-    "Mais calculé avec la __méthode__ des [des aiguilles de Buffon](https://fr.wikipedia.org/wiki/Aiguille_de_Buffon), on obtientdrait comme __approximation__ : "
+    "Mais calculé avec la __méthode__ des [aiguilles de Buffon](https://fr.wikipedia.org/wiki/Aiguille_de_Buffon), on obtientdrait comme __approximation__ : "
    ]
   },
   {
    "cell_type": "code",
-   "execution_count": 17,
+   "execution_count": 2,
    "metadata": {},
    "outputs": [
     {
@@ -54,7 +54,7 @@
        "3.128911138923655"
       ]
      },
-     "execution_count": 17,
+     "execution_count": 2,
      "metadata": {},
      "output_type": "execute_result"
     }
@@ -72,13 +72,29 @@
    "cell_type": "markdown",
    "metadata": {},
    "source": [
-    "## Avec un argument \"frésuentiel\" 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 $X \\sim \\mathcal{U}(0,1)$ et $Y \\sim \\mathcal{U}(0,1)$ alors $P\\left[X^2 + Y^2 \\leq 1\\right] = \\pi/4$\n"
+    "## 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": 20,
+   "execution_count": 6,
+   "metadata": {},
+   "outputs": [],
+   "source": [
+    "%matplotlib inline\n",
+    "import matplotlib.pyplot as plt\n",
+    "\n",
+    "\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)"
+   ]
+  },
+  {
+   "cell_type": "code",
+   "execution_count": 7,
    "metadata": {},
    "outputs": [
     {
@@ -95,15 +111,6 @@
     }
    ],
    "source": [
-    "%matplotlib inline\n",
-    "import matplotlib.pyplot as plt\n",
-    "import numpy as np\n",
-    "\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",
-    "\n",
     "accept = (x*x+y*y) <= 1\n",
     "reject = np.logical_not(accept)\n",
     "\n",
@@ -122,7 +129,7 @@
   },
   {
    "cell_type": "code",
-   "execution_count": 21,
+   "execution_count": 5,
    "metadata": {},
    "outputs": [
     {
@@ -131,7 +138,7 @@
        "3.112"
       ]
      },
-     "execution_count": 21,
+     "execution_count": 5,
      "metadata": {},
      "output_type": "execute_result"
     }