2 eme commit après comparaison

module2/exo1/toy_notebook_fr.ipynb

@@ -4,11 +4,17 @@
    "cell_type": "markdown",
    "metadata": {},
    "source": [
-    "#  À propos du calcul de $\\pi$\n",
+    "#  À propos du calcul de $\\pi$"
+   ]
+  },
+  {
+   "cell_type": "markdown",
+   "metadata": {},
+   "source": [
     "\n",
-    "## En demandant à la lib maths\n",
     "\n",
-    "Mon ordinateur m’indique que $\\pi$ vaut *approximativement*"
+    "## En demandant à la lib maths\n",
+    "Mon ordinateur m’indique que $\\pi$ vaut *approximativement*\n"
    ]
   },
   {
@@ -34,7 +40,7 @@
    "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** :"
+    "Mais calculé avec la __méthode__ des [aiguilles de Buffon](https://fr.wikipedia.org/wiki/Aiguille_de_Buffon), on obtiendrait comme __approximation__ :\n"
    ]
   },
   {
@@ -67,7 +73,7 @@
    "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 $X ∼ U(0, 1)$ et $Y ∼ U(0, 1)$ 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 :"
    ]
   },
   {
@@ -89,14 +95,17 @@
     }
    ],
    "source": [
-    "%matplotlib inline\n",
+    "%matplotlib inline  \n",
     "import matplotlib.pyplot as plt\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",
     "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",
@@ -107,7 +116,7 @@
    "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 $1$ :\n"
+    "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 :\n"
    ]
   },
   {