modifs mineurs

module2/exo1/toy_notebook_fr.ipynb

@@ -12,7 +12,7 @@
    "metadata": {},
    "source": [
     "## En demandant à la lib maths\n",
-    "Mon ordinateur m’indique que $\\pi$ vaut approximativement"
+    "Mon ordinateur m’indique que $\\pi$ vaut *approximativement*"
    ]
   },
   {
@@ -38,7 +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__ :"
    ]
   },
   {
@@ -72,8 +72,8 @@
    "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 ∼ U(0, 1) alors P[X$^2$ + Y$^2$ ≤ 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 :"
+    "sinus se base sur le fait que si X $\\sim$ U(0, 1) et Y $\\sim$ U(0, 1) alors P[X$^2$ + Y$^2$ ≤ 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 :\n"
    ]
   },
   {
@@ -97,12 +97,14 @@
    "source": [
     "%matplotlib inline\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",
     "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",
@@ -136,13 +138,6 @@
    "source": [
     "4*np.mean(accept)"
    ]
-  },
-  {
-   "cell_type": "code",
-   "execution_count": null,
-   "metadata": {},
-   "outputs": [],
-   "source": []
   }
  ],
  "metadata": {