Mod2 - Exo1 - try 2

module2/exo1/toy_document_orgmode_python_fr.org

@@ -4,25 +4,29 @@
 #+AUTHOR: Victor
 #+LANGUAGE: French
 
+#+PROPERTY: header-args  :session  :exports both
+
 * En demandant à la lib maths
 
 Mon ordinateur m'indique que $\pi$ vaut *approximativement* :
 
-#+begin_src python :results output :session :exports both
+#+begin_src python :results output :session *python* :exports both
 from math import *
 pi
 print(pi)
 #+end_src
 
 #+RESULTS:
+: Python 3.8.1 (tags/v3.8.1:1b293b6, Dec 18 2019, 22:39:24) [MSC v.1916 32 bit (Intel)] on win32
+: Type "help", "copyright", "credits" or "license" for more information.
 : 3.141592653589793
 
 * En utilisant la méthode des aiguilles de Buffon
 
-Mais calculé avec la méthode des [aiguilles de Buffon](https://fr.wikipedia.org/wiki/Aiguille_de_Buffon), on obtiendrait
+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 output :session *python* :exports both
 import numpy as np
 np.random.seed(seed=42)
 N = 10000
@@ -38,14 +42,15 @@ print(2/(sum((x+np.sin(theta))>1)/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 $P[X^{2} + Y^{2} \le  ] = \pi /4$ ([voir
-méthode de Monte Carlo sur Wikipédia](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
+$X\sim U(0,1)$ et $Y\sim U(0,1)$ alors $P[X^{2} + Y^{2} \leq 1] = \pi /4$ ([[https://fr.wikipedia.org/wiki/M%C3%A9thode_de_Monte-Carlo#D%C3%A9termination_de_la_valeur_de_%CF%80][voir
+méthode de Monte Carlo sur Wikipédia]]). Le code suivant illustre ce
 fait :
 
-#+begin_src python :results file :session :var matplot_lib_filename=(org-babel-temp-file "figure" ".png") :exports both
+#+begin_src python :results output file :session *python* :var matplot_lib_filename="figure.png" :exports both
 import matplotlib.pyplot as plt
 
 np.random.seed(seed=42)
+
 N = 1000
 x = np.random.uniform(size=N, low=0, high=1)
 y = np.random.uniform(size=N, low=0, high=1)
@@ -53,27 +58,25 @@ y = np.random.uniform(size=N, low=0, high=1)
 accept = (x*x+y*y) <= 1
 reject = np.logical_not(accept)
 
-fig, ax = plt.subplots(1)
-ax.scatter(x[accept], y[accept], c='b', alpha=0.2, edgecolor=None)
-ax.scatter(x[reject], y[reject], c='r', alpha=0.2, edgecolor=None)
-ax.set_aspect('equal')
+#fig, ax = plt.subplots(1)
+#ax.scatter(x[accept], y[accept], c='b', alpha=0.2, edgecolor=None)
+#ax.scatter(x[reject], y[reject], c='r', alpha=0.2, edgecolor=None)
+#ax.set_aspect('equal')
 
-plt.savefig(matplot_lib_filename)
-print(matplot_lib_filename)
+#plt.savefig(matplot_lib_filename)
+#print(matplot_lib_filename)
 #+end_src
 
 #+RESULTS:
-[file:]]
+[[file:]]
 
 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
+#+begin_src python :results output :session *python* :exports both
 4*np.mean(accept)
 #+end_src
 
 #+RESULTS:
-: Traceback (most recent call last):
-:   File "<stdin>", line 1, in <module>
-: NameError: name 'accept' is not defined
+: 3.112