v3

module2/exo1/toy_notebook_fr.ipynb

@@ -11,8 +11,7 @@
    "cell_type": "markdown",
    "metadata": {},
    "source": [
-    "## 1.1 En demandant à la lib maths\n",
-    "\n",
+    "## En demandant à la lib maths\n",
     "Mon ordinateur m’indique que π vaut *approximativement*"
    ]
   },
@@ -38,9 +37,8 @@
    "cell_type": "markdown",
    "metadata": {},
    "source": [
-    "## 1.2 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** :"
+    "## 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__ :"
    ]
   },
   {
@@ -61,22 +59,18 @@
    ],
    "source": [
     "import numpy as np\n",
-    "\n",
     "np.random.seed(seed=42)\n",
-    "\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",
-    "2 / (sum((x + np.sin(theta)) > 1) / N)"
+    "2/(sum((x + np.sin(theta))>1)/N)"
    ]
   },
   {
    "cell_type": "markdown",
    "metadata": {},
    "source": [
-    "## 1.3 Avec un argument \"fréquentiel\" de surface\n",
-    "\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\n",
     "sinus se base sur le fait que si $X \\sim U(0,1)$ et $Y \\sim U(0,1)$ alors \n",
     "$P[X^2 + Y^2 \\leq 1] = \\pi/4$ (voir [méthode de Monte Carlo sur Wikipedia](https://fr.wikipedia.org/wiki/Méthode_de_Monte-Carlo#Détermination_de_la_valeur_de_π)). Le code suivant illustre ce fait :"
@@ -84,7 +78,7 @@
   },
   {
    "cell_type": "code",
-   "execution_count": 4,
+   "execution_count": 3,
    "metadata": {},
    "outputs": [
     {
@@ -105,7 +99,6 @@
     "import matplotlib.pyplot as plt\n",
     "\n",
     "np.random.seed(seed=42)\n",
-    "\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",
@@ -129,7 +122,7 @@
   },
   {
    "cell_type": "code",
-   "execution_count": 5,
+   "execution_count": 4,
    "metadata": {},
    "outputs": [
     {
@@ -138,7 +131,7 @@
        "3.112"
       ]
      },
-     "execution_count": 5,
+     "execution_count": 4,
      "metadata": {},
      "output_type": "execute_result"
     }