1ere correction

module2/exo1/toy_notebook_fr.ipynb

@@ -4,28 +4,16 @@
    "cell_type": "markdown",
    "metadata": {},
    "source": [
-    "# toy_notebook_fr\n",
+    "# **À propos du calcul de $\\pi$**  \n",
     "\n",
+    "## **En demandant à la lib maths**\n",
     "\n",
-    "\n",
-    "\n",
-    "March 28, 2019"
-   ]
-  },
-  {
-   "cell_type": "markdown",
-   "metadata": {},
-   "source": [
-    "1. **À propos du calcul de π**  \n",
-    "\n",
-    "1.1. **En demandant à la lib maths**\n",
-    "\n",
-    "Mon ordinateur m’indique que π vaut *approximativement*"
+    "Mon ordinateur m’indique que $\\pi$ vaut *approximativement*"
    ]
   },
   {
    "cell_type": "code",
-   "execution_count": 1,
+   "execution_count": 5,
    "metadata": {},
    "outputs": [
     {
@@ -37,7 +25,7 @@
     }
    ],
    "source": [
-    "In [1]: from math import *\n",
+    "from math import *\n",
     "print(pi)"
    ]
   },
@@ -46,14 +34,14 @@
    "metadata": {},
    "source": [
     "  \n",
-    "1.2. **En utilisant la méthode des aiguilles de Buffon**\n",
+    "## **En utilisant la méthode des aiguilles de Buffon**\n",
     "\n",
     "Mais calculé avec la **méthode** des [aiguilles de Buffon](https://fr.wikipedia.org/wiki/Aiguille_de_Buffon), on obtiendrait comme **approximation** :"
    ]
   },
   {
    "cell_type": "code",
-   "execution_count": 2,
+   "execution_count": 6,
    "metadata": {},
    "outputs": [
     {
@@ -62,13 +50,13 @@
        "3.128911138923655"
       ]
      },
-     "execution_count": 2,
+     "execution_count": 6,
      "metadata": {},
      "output_type": "execute_result"
     }
    ],
    "source": [
-    "In [2]: import numpy as np\n",
+    "import numpy as np\n",
     "np.random.seed(seed=42)\n",
     "N = 10000\n",
     "x = np.random.uniform(size=N, low=0, high=1)\n",
@@ -81,16 +69,16 @@
    "metadata": {},
    "source": [
     "  \n",
-    "1.3. **Avec un argument \"fréquentiel\" de surface**\n",
+    "## **Avec un argument \"fréquentiel\" de surface**\n",
     "\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 ∼ U(0, 1) et Y ∼ U(0, 1) alors P\\[X2 + Y2 ≤ 1\\] = π/4 (voir  \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 :"
    ]
   },
   {
    "cell_type": "code",
-   "execution_count": 3,
+   "execution_count": 7,
    "metadata": {},
    "outputs": [
     {
@@ -107,7 +95,7 @@
     }
    ],
    "source": [
-    "In [3]: %matplotlib inline\n",
+    "%matplotlib inline\n",
     "import matplotlib.pyplot as plt\n",
     "np.random.seed(seed=42)\n",
     "N = 1000\n",
@@ -125,13 +113,13 @@
    "cell_type": "markdown",
    "metadata": {},
    "source": [
-    "Il est alors aisé d’obtenir une approximation (pas terrible) de π en comptant combien de fois,  \n",
-    "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,  \n",
+    "en moyenne, $X^2 +Y^2$ est inférieur à 1 :"
    ]
   },
   {
    "cell_type": "code",
-   "execution_count": 4,
+   "execution_count": 8,
    "metadata": {},
    "outputs": [
     {
@@ -140,14 +128,21 @@
        "3.112"
       ]
      },
-     "execution_count": 4,
+     "execution_count": 8,
      "metadata": {},
      "output_type": "execute_result"
     }
    ],
    "source": [
-    "In [4]: 4*np.mean(accept)"
+    "4*np.mean(accept)"
    ]
+  },
+  {
+   "cell_type": "code",
+   "execution_count": null,
+   "metadata": {},
+   "outputs": [],
+   "source": []
   }
  ],
  "metadata": {