From 3048c9d3f696bf20bc98cb96142dc1f192eb5c25 Mon Sep 17 00:00:00 2001
From: 732afbed1f51733fba4ec4ed0e9bd727
 <732afbed1f51733fba4ec4ed0e9bd727@app-learninglab.inria.fr>
Date: Fri, 6 Oct 2023 17:02:08 +0000
Subject: [PATCH] Update toy_document_orgmode_python_fr.org

---
 module2/exo1/toy_document_orgmode_python_fr.org | 16 +++++++++-------
 1 file changed, 9 insertions(+), 7 deletions(-)

diff --git a/module2/exo1/toy_document_orgmode_python_fr.org b/module2/exo1/toy_document_orgmode_python_fr.org
index e0275f3..8aafe61 100644
--- a/module2/exo1/toy_document_orgmode_python_fr.org
+++ b/module2/exo1/toy_document_orgmode_python_fr.org
@@ -13,20 +13,20 @@
 * 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 value :session *python*:exports both
 from math import *
-print(pi)
+pi
 #+end_src
 
 #+RESULTS:
-: [1] 3.141593
+: [1] 3.141592653589793
 
 
 * En utilisant la méthode des aiguilles de Buffon
 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
@@ -35,7 +35,7 @@ theta = np.random.uniform(size=N, low=0, high=pi/2)
 2/(sum((x+np.sin(theta))>1)/N)
 #+end_src
 #+RESULTS:
-: [1] 3.14327
+: [1] 3.128911138923655
 
 * Avec un argument "fréquentiel" de surface
 Sinon, une méthode plus simple à comprendre et ne faisant pas
@@ -43,7 +43,7 @@ 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 [[https://fr.wikipedia.org/wiki/M%25C3%25A9thode_de_Monte-Carlo#D%25C3%25A9termination_de_la_valeur_de_%25CF%2580][méthode de
 Monte Carlo sur Wikipedia]]). Le code suivant illustre ce fait :
 
-#+begin_src python :results output graphics :session :file figure_pi_mc1.png :exports both :width 600 :height 400 :
+#+begin_src python :results output file :var matplot_lib_filename="file figure_pi_mc2.png :session *python*
 %matplotlib inline  
 import matplotlib.pyplot as plt
 
@@ -59,6 +59,8 @@ 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)
 #+end_src
 #+RESULTS:
 [[file:figure_pi_mc1.png]]
@@ -70,4 +72,4 @@ Il est alors aisé d'obtenir une approximation (pas terrible) de $\pi$ en compta
 4*np.mean(accept)
 #+end_src
 #+RESULTS:
-: [1] 3.156
\ No newline at end of file
+: [1] 3.112
\ No newline at end of file
-- 
2.18.1