"## En utilisant la méthode des aiguilles de Buffon\n",
"Mais calculé avec la __méthode__ [des aiguilles de Buffon](https://fr.wikipedia.org/wiki/Aiguille_de_Buffon), on obtiendrait comme __approximation__ :"
"Mais calculé avec la __méthode__ des [aiguilles de Buffon](https://fr.wikipedia.org/wiki/Aiguille_de_Buffon), on obtiendrait comme __approximation__ :"
]
},
{
...
...
@@ -90,9 +90,7 @@
},
"source": [
"## Avec un argument \"fréquentiel\" de surface\n",
"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 $X\\sim U(0,1)$ et $Y\\sim U(0,1)$ alors $P[X^2 + Y^2 \\leq 1 ] = \\pi/4 $ (voir\n",
"[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). Le code suivant illustre ce fait :"
"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 $X\\sim U(0,1)$ et $Y\\sim U(0,1)$ alors $P[X^2 + Y^2 \\leq 1 ] = \\pi/4 $ (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). Le code suivant illustre ce fait :"
]
},
{
...
...
@@ -114,7 +112,7 @@
}
],
"source": [
"%matplotlib inline\n",
"%matplotlib inline\n",
"import matplotlib.pyplot as plt\n",
"\n",
"np.random.seed(seed=42)\n",
...
...
@@ -135,7 +133,7 @@
"cell_type": "markdown",
"metadata": {},
"source": [
"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 :"
"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 :"
