second try nb

module2/exo1/toy_notebook_fr.ipynb

@@ -4,10 +4,9 @@
    "cell_type": "markdown",
    "metadata": {},
    "source": [
-    "# À propos du calcul de π\n",
+    "# À propos du calcul de $\\pi$\n",
     "\n",
     "## En demandant à la lib maths\n",
-    "\n",
     "Mon ordinateur m’indique que $\\pi$ vaut *approximativement*"
    ]
   },
@@ -35,7 +34,7 @@
    "source": [
     "## 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** :"
+    "Mais calculé avec la __méthode__ des [aiguilles de Buffon](https://fr.wikipedia.org/wiki/Aiguille_de_Buffon), on obtiendrait comme __approximation__ :"
    ]
   },
   {
@@ -67,6 +66,7 @@
    "cell_type": "markdown",
    "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 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/Méthode_de_Monte-Carlo#Détermination_de_la_valeur_de_π)). Le code suivant illustre ce fait :"
@@ -100,6 +100,7 @@
     "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",
+    "\n",
     "accept = (x*x+y*y) <= 1\n",
     "reject = np.logical_not(accept)\n",
     "\n",