Final

module2/exo1/toy_notebook_fr.ipynb

@@ -4,14 +4,14 @@
    "cell_type": "markdown",
    "metadata": {},
    "source": [
-    "                                                    # toy_notebook_fr"
+    "# toy_notebook_fr"
    ]
   },
   {
    "cell_type": "markdown",
    "metadata": {},
    "source": [
-    "                                                    ## March 28, 2019"
+    "## March 28, 2019"
    ]
   },
   {
@@ -64,7 +64,7 @@
    "cell_type": "markdown",
    "metadata": {},
    "source": [
-    "Mais calculé avec la __méthode__ des [aiguilles de Buffon](https://fr.wikipedia.org/wiki/Aiguille_de_Buffon) "
+    "Mais calculé avec la __méthode__ des [aiguilles de Buffon](https://fr.wikipedia.org/wiki/Aiguille_de_Buffon), on obtiendrait comme **approximation** :"
    ]
   },
   {
@@ -104,7 +104,7 @@
    "metadata": {},
    "source": [
     "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 ∼ U(0, 1) et Y ∼ U(0, 1) alors P[X$n^2$+Y$n^2$ $\\le$1] = π/4 \n",
+    "sinus se base sur le fait que si X ∼ U(0, 1) et Y ∼ U(0, 1) alors P[$X^2$+$Y^2$ $\\le$1] = π/4 \n",
     "(voir [méthode de Monte Carlo sur Wikipedia](https://fr.wikipedia.org/wiki/M%C3%A9thode_de_Monte-Carlo#D%C3%A9termination_de_la_valeur_de_%CF%80). \n",
     "Le code suivant illustre ce fait :"
    ]
@@ -130,6 +130,7 @@
    "source": [
     "%matplotlib inline\n",
     "import matplotlib.pyplot as plt\n",
+    "\n",
     "np.random.seed(seed=42)\n",
     "N = 1000\n",
     "x = np.random.uniform(size=N, low=0, high=1)\n",
@@ -137,6 +138,7 @@
     "1\n",
     "accept = (x*x+y*y) <= 1\n",
     "reject = np.logical_not(accept)\n",
+    "\n",
     "fig, ax = plt.subplots(1)\n",
     "ax.scatter(x[accept], y[accept], c='b', alpha=0.2, edgecolor=None)\n",
     "ax.scatter(x[reject], y[reject], c='r', alpha=0.2, edgecolor=None)\n",
@@ -147,7 +149,7 @@
    "cell_type": "markdown",
    "metadata": {},
    "source": [
-    "Il est alors aisé d’obtenir une approximation (pas terrible) de π en comptant combien de fois, en moyenne, X$n^2$+Y$n^2$ est inférieur à 1 :"
+    " Il est alors aisé d’obtenir une approximation (pas terrible) de π en comptant combien de fois, en moyenne, X$n^2$+Y$n^2$ est inférieur à 1 :"
    ]
   },
   {