<h2id="orgceb2502"><spanclass="section-number-2">2.</span> En utilisant la méthode des aiguilles de Buffon</h2>
<divclass="outline-text-2"id="text-2">
<p>
Mais calculé avec la <b>méthode</b> des <ahref="https://fr.wikipedia.org/wiki/Aiguille_de_Buffon">aiguilles de Buffon</a>, on obtiendrait comme <b>approximation</b> :
<h2id="org7fa4014"><spanclass="section-number-2">3.</span> Avec un argument "fréquentiel" de surface</h2>
<divclass="outline-text-2"id="text-3">
<p>
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 \(P[X^2 + Y² \le 1] = \pi/4\) (voir <ahref="https://fr.wikipedia.org/wiki/M%C3%A9thode_de_Monte-Carlo#D%C3%A9termination_de_la_valeur_de_%CF%80">méthode de Monte Carlo sur Wikipédia</a>). Le code suivant illustre ce fait :
</p>
<divclass="org-src-container">
<preclass="src src-python">import matplotlib.pyplot as plt
Voici la même chose, mais avec une session python, donc une
persistance d'un bloc à l'autre (et on l'exécute toujours en faisant
~C-c C-c~).
#+begin_src python :results output :session :exports both
import numpy
x=numpy.linspace(-15,15)
print(x)
: 3.128911138923655
* Avec un argument "fréquentiel" de surface
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 $P[X^2 + Y² \le 1] = \pi/4$ (voir [[https://fr.wikipedia.org/wiki/M%C3%A9thode_de_Monte-Carlo#D%C3%A9termination_de_la_valeur_de_%CF%80][méthode de Monte Carlo sur Wikipédia]]). Le code suivant illustre ce fait :
#+begin_src python :session :results file link :export none