troisième modification

module2/exo1/toy_document_orgmode_python_fr.org

 #+TITLE:  À propos du calcul de π
 #+AUTHOR: Leraut Alain
 #+LANGUAGE: fr
-# #+PROPERTY: header-args :eval never-export
 
 #+HTML_HEAD: <link rel="stylesheet" type="text/css" href="http://www.pirilampo.org/styles/readtheorg/css/htmlize.css"/>
 #+HTML_HEAD: <link rel="stylesheet" type="text/css" href="http://www.pirilampo.org/styles/readtheorg/css/readtheorg.css"/>
@@ -9,29 +8,28 @@
 #+HTML_HEAD: <script src="https://maxcdn.bootstrapcdn.com/bootstrap/3.3.4/js/bootstrap.min.js"></script>
 #+HTML_HEAD: <script type="text/javascript" src="http://www.pirilampo.org/styles/lib/js/jquery.stickytableheaders.js"></script>
 #+HTML_HEAD: <script type="text/javascript" src="http://www.pirilampo.org/styles/readtheorg/js/readtheorg.js"></script>
-
-
+#+PROPERTY: header-args  :session  :exports both
 * En demandant à la lib maths
-Mon ordinateur m'indique que π vaut approximativement: 
-#+begin_src python   :results output :session :exports both
+Mon ordinateur m'indique que $\pi$ vaut /approximativement/: 
+#+begin_src python   :results value :session "python" :export both
 from math import *
-print(pi)
+pi
 #+end_src
 
 #+RESULTS:
+: 3.141592653589793
 
 * En utilisant la méthode des aiguilles de Buffon
-Mais calculé avec la méthode des aiguilles de Buffon, on obtiendrait
-comme approximation : 
+Mais calculé avec la *méthode* des [[https://fr.wikipedia.org/wiki/Aiguille_de_Buffon][aiguilles de Buffon]], on obtiendrait
+comme *approximation* : 
 
-#+begin_src python :results output :session :exports both
+#+begin_src python :results value :session "python" :exports both
 import numpy as np
 np.random.seed(seed=42)
 N = 10000
 x = np.random.uniform(size=N, low=0, high=1)
 theta = np.random.uniform(size=N, low=0, high=pi/2)
-valeur = 2/(sum((x+np.sin(theta))>1)/N)
-print(valeur)
+2/(sum((x+np.sin(theta))>1)/N)
 #+end_src
 
 #+RESULTS:
@@ -39,10 +37,11 @@ print(valeur)
 * Avec un argument "fréquentiel" de surface
  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[X2+Y2≤1]=π/4 (voir méthode de Monte
- Carlo sur Wikipedia). Le code suivant illustre ce fait : 
+$X∼U(0,1) et Y∼U(0,1)$ alors $P[X2+Y2≤1]=π/4$ (voir
+ [[https://fr.wikipedia.org/wiki/M%C3%A9thode_de_Monte-Carlo#D%C3%A9termination_de_la_valeur_de_%CF%80][méthode de Monte  Carlo]] sur Wikipedia). Le code suivant illustre ce fait : 
+
+#+begin_src python :results output file :var matplot_lib_filename="figure_pi_mc2.png" :exports both :session "python"
 
-#+begin_src python :results output file :session :var matplot_lib_filename="./valeurpip.png" :exports both
 import matplotlib.pyplot as plt
 np.random.seed(seed=42)
 N = 1000
@@ -62,20 +61,14 @@ print(matplot_lib_filename)
 #+end_src
 
 #+RESULTS:
-[[file:./valeurpip.png]]
-
+[[file:figure_pi_mc2.png]]
+[[file:figure_pi_mc2.png]]
 
- Il est alors aisé d'obtenir une approximation (pas terrible) de π en
- comptant combien de fois, en moyenne, X2+Y2 est inférieur à 1 : 
+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 : 
 
-#+begin_src python :results output :session :exports both
-print('{:1.13f}'.format(4*np.mean(accept)))
+#+begin_src python :results output :session "python" :exports both
+4*np.mean(accept)
 #+end_src
 
 #+RESULTS:
-: 3.1120000000000
-
-Auteur: Konrad Hinsen
-
-Created: 2019-03-28 Thu 11:06
-
+: 3.112