"Mon ordinateur m'indique que $\\pi$ vaut *approximativement*"
]
},
...
...
@@ -39,7 +38,6 @@
"metadata": {},
"source": [
"## 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__ :"
]
},
...
...
@@ -60,7 +58,7 @@
}
],
"source": [
"import numpy as np\n",
"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",
...
...
@@ -73,8 +71,7 @@
"metadata": {},
"source": [
"## Avec un argument \"fréquentiel\" de surface\n",
"\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 :"
"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 :\n"
