adding spaces

module2/exo1/toy_notebook_fr.ipynb

@@ -12,7 +12,6 @@
    "metadata": {},
    "source": [
     "## En demandant à la lib maths\n",
-    "\n",
     "Mon ordinateur m'indique que $\\pi$ vaut *approximativement*"
    ]
   },
@@ -39,7 +38,7 @@
    "metadata": {},
    "source": [
     "## 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__ :\n"
    ]
   },
   {
@@ -72,12 +71,12 @@
    "metadata": {},
    "source": [
     "## Avec un argument \"fréquentiel\" de surface\n",
-    "Sinon, une méthode plus simple à comprendre et ne faisant pas intervenir d’appel à la fonctionsinus se base sur le fait que si $X \\sim U(0, 1)$ et $Y \\sim U(0, 1)$ alors $P[X^2 + Y^2 \\leq 1]=p/4$ (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 :"
+    "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 $P[X^2 + Y^2\\leq 1]=p/4$ (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 :"
    ]
   },
   {
    "cell_type": "code",
-   "execution_count": 8,
+   "execution_count": 10,
    "metadata": {},
    "outputs": [
     {
@@ -94,19 +93,20 @@
     }
    ],
    "source": [
-    "\n",
     "%matplotlib inline\n",
+    "\n",
     "import matplotlib.pyplot as plt\n",
     "\n",
     "np.random.seed(seed=42)\n",
     "N=1000\n",
     "x=np.random.uniform(size=N, low=0, high=1)\n",
     "y=np.random.uniform(size=N, low=0, high=1)\n",
-    "accept=(x*x+y*y)<=1\n",
-    "reject=np.logical_not(accept)\n",
     "\n",
     "\n",
     "\n",
+    "accept=(x*x+y*y)<=1\n",
+    "reject=np.logical_not(accept)\n",
+    "\n",
     "fig, ax=plt.subplots(1)\n",
     "ax.scatter(x[accept], y[accept], c='b', alpha=0.2, edgecolor=None)\n",
     "ax.scatter(x[reject], y[reject], c='r', alpha=0.2, edgecolor=None)\n",