From 2b0beab6d3e5a007d4788c64ae3c16b652144fb5 Mon Sep 17 00:00:00 2001
From: 7cb84b8d37d239738c7c51278d3e7831
 <7cb84b8d37d239738c7c51278d3e7831@app-learninglab.inria.fr>
Date: Wed, 11 Nov 2020 08:50:34 +0000
Subject: [PATCH] Update toy_document_orgmode_python_fr.org

---
 module2/exo1/toy_document_orgmode_python_fr.org | 3 +--
 1 file changed, 1 insertion(+), 2 deletions(-)

diff --git a/module2/exo1/toy_document_orgmode_python_fr.org b/module2/exo1/toy_document_orgmode_python_fr.org
index 27eaa69..7cbddc7 100644
--- a/module2/exo1/toy_document_orgmode_python_fr.org
+++ b/module2/exo1/toy_document_orgmode_python_fr.org
@@ -50,8 +50,7 @@ theta = np.random.uniform(size=N, low=0, high=pi/2)
 
 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 $P[X^2+Y^2≤1]=π
-\Pi/4$ (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
+$X∼U(0,1)$ et $Y∼U(0,1)$ alors $P[X^2+Y^2≤1]=\Pi/4$ (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 :
 
 
-- 
2.18.1