From ea47cc42cd66865de8fc351e20e371f35bb88be7 Mon Sep 17 00:00:00 2001 From: d386d3e55efed5d9c9b65ef05e858342 Date: Thu, 7 May 2020 14:04:41 +0000 Subject: [PATCH] second essai --- module2/exo1/toy_notebook_fr.ipynb | 56 +++++++++++++++++++++++------- 1 file changed, 44 insertions(+), 12 deletions(-) diff --git a/module2/exo1/toy_notebook_fr.ipynb b/module2/exo1/toy_notebook_fr.ipynb index 0196d64..23292d6 100644 --- a/module2/exo1/toy_notebook_fr.ipynb +++ b/module2/exo1/toy_notebook_fr.ipynb @@ -2,14 +2,21 @@ "cells": [ { "cell_type": "markdown", - "metadata": {}, + "metadata": { + "hideCode": false, + "hidePrompt": false + }, "source": [] }, { "cell_type": "markdown", - "metadata": {}, + "metadata": { + "hideCode": false, + "hidePrompt": false + }, "source": [ "# À propos du calcul de $\\pi$\n", + "\n", "## En demandant à la lib maths\n", "Mon ordinateur m'indique que $\\pi$ vaut *approximativement*" ] @@ -17,7 +24,10 @@ { "cell_type": "code", "execution_count": 1, - "metadata": {}, + "metadata": { + "hideCode": false, + "hidePrompt": false + }, "outputs": [ { "name": "stdout", @@ -34,16 +44,22 @@ }, { "cell_type": "markdown", - "metadata": {}, + "metadata": { + "hideCode": false, + "hidePrompt": false + }, "source": [ "## En utilisation la méthode des aiguilles de Buffon\n", - "Mais calculé avec la méthode des aiguilles de Buffon, on obtiendrait comme **approxmiation** :" + "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, - "metadata": {}, + "metadata": { + "hideCode": false, + "hidePrompt": false + }, "outputs": [ { "data": { @@ -67,16 +83,22 @@ }, { "cell_type": "markdown", - "metadata": {}, + "metadata": { + "hideCode": false, + "hidePrompt": false + }, "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 sinus se base sur le fait que $X \\sim \\mathcal{U}(0,1)$ et $Y \\sim \\mathcal{U}(0,1)$ alors $\\mathcal{P}[X^2 + Y^2 \\leq 1] = \\pi/4$ (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 :" + "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 :" ] }, { "cell_type": "code", "execution_count": 3, - "metadata": {}, + "metadata": { + "hideCode": false, + "hidePrompt": false + }, "outputs": [ { "data": { @@ -93,15 +115,18 @@ ], "source": [ "%matplotlib inline\n", + "\n", "import matplotlib.pyplot as plt\n", "np.random.seed(seed=42)\n", + "\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", + "\n", "accept = (x*x+y*y) <= 1\n", "reject = np.logical_not(accept)\n", "\n", - "fig,ax = plt.subplots(1)\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", "ax.set_aspect('equal')" @@ -109,7 +134,10 @@ }, { "cell_type": "markdown", - "metadata": {}, + "metadata": { + "hideCode": false, + "hidePrompt": false + }, "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 :" ] @@ -117,7 +145,10 @@ { "cell_type": "code", "execution_count": 4, - "metadata": {}, + "metadata": { + "hideCode": false, + "hidePrompt": false + }, "outputs": [ { "data": { @@ -136,6 +167,7 @@ } ], "metadata": { + "hide_code_all_hidden": false, "kernelspec": { "display_name": "Python 3", "language": "python", -- 2.18.1