Fix cells

parent 77a9b520
......@@ -2,7 +2,25 @@
"cells": [
{
"cell_type": "code",
"execution_count": 15,
"execution_count": 19,
"metadata": {},
"outputs": [],
"source": [
"# À propos du calcul de $\\pi$from math import *"
]
},
{
"cell_type": "code",
"execution_count": 20,
"metadata": {},
"outputs": [],
"source": [
"## En demandant à la lib maths Mon ordinateur m'indique que $\\pi$ vaut *approximativement*"
]
},
{
"cell_type": "code",
"execution_count": 21,
"metadata": {},
"outputs": [
{
......@@ -14,15 +32,22 @@
}
],
"source": [
"# À propos du calcul de $\\pi$from math import *\n",
"## En demandant à la lib maths Mon ordinateur m'indique que $\\pi$ vaut *approximativement*\n",
"from math import *\n",
"print(pi)"
]
},
{
"cell_type": "code",
"execution_count": 16,
"execution_count": 22,
"metadata": {},
"outputs": [],
"source": [
"## En utilisant la méthode des aiguilles de Buffon 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": 23,
"metadata": {},
"outputs": [
{
......@@ -31,13 +56,12 @@
"3.128911138923655"
]
},
"execution_count": 16,
"execution_count": 23,
"metadata": {},
"output_type": "execute_result"
}
],
"source": [
"## En utilisant la méthode des aiguilles de Buffon Mais calculé avec la __méthode__ des [aiguilles de Buffon](https://fr.wikipedia.org/wiki/Aiguille_de_Buffon), on obtiendrait comme __approximation__ :\n",
"import numpy as np\n",
"np.random.seed(seed=42)\n",
"N = 10000\n",
......@@ -48,7 +72,16 @@
},
{
"cell_type": "code",
"execution_count": 17,
"execution_count": 25,
"metadata": {},
"outputs": [],
"source": [
"## 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 $Y\\sim U(0,1)$ lors $P[X^2+Y^2\\leq 1] = \\pi/4$ (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": 26,
"metadata": {},
"outputs": [
{
......@@ -65,7 +98,6 @@
}
],
"source": [
"## 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 $Y\\sim U(0,1)$ lors $P[X^2+Y^2\\leq 1] = \\pi/4$ (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 :\n",
"%matplotlib inline\n",
"import matplotlib.pyplot as plt\n",
"np.random.seed(seed=42)\n",
......@@ -79,13 +111,21 @@
"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')\n",
"ax.set_aspect('equal')"
]
},
{
"cell_type": "code",
"execution_count": 27,
"metadata": {},
"outputs": [],
"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 :"
]
},
{
"cell_type": "code",
"execution_count": 18,
"execution_count": 28,
"metadata": {},
"outputs": [
{
......@@ -94,7 +134,7 @@
"3.112"
]
},
"execution_count": 18,
"execution_count": 28,
"metadata": {},
"output_type": "execute_result"
}
......@@ -102,13 +142,6 @@
"source": [
"4*np.mean(accept)"
]
},
{
"cell_type": "code",
"execution_count": null,
"metadata": {},
"outputs": [],
"source": []
}
],
"metadata": {
......
Markdown is supported
0% or
You are about to add 0 people to the discussion. Proceed with caution.
Finish editing this message first!
Please register or to comment