À PROPOS
Not That Abstract
Des cours à regarder, à lire et à refaire soi-même.
Trois temps,
un seul nom.
Le cours porte le nom de la méthode que suit chaque séance. La voici sur 400 fléchettes, les premières de la graine 21 que rejouent les films et le laboratoire, tirées ici même.
-
1
Prédire
On parie avant de simuler.
± 0,16
Avant le premier tirage, on écrit ce qu’on attend : avec 400 fléchettes, π à ± 0,16 près, dix-neuf fois sur vingt. Un pari écrit avant le calcul ne se laisse pas réécrire après.
-
2
Simuler
Avec des graines fixées.
4 × 320 / 400 ≈ 3,20
On lance les 400 fléchettes ; 320 tombent dans le quart de disque. La graine est fixée : la même suite ressort à chaque fois, ici comme dans le film. Chaque chiffre à l’écran sort d’une simulation réelle.
-
3
Vérifier
Contre un juge.
π = 3,1416
Le juge est la valeur exacte. L’écart est de 0,058, sous la marge annoncée : le pari est tenu. Dans le cours, le juge est une formule fermée, un arbre, un résultat publié.
Qui le fait
Cours conçu et enseigné par Adil TIBA, Financial Analyst FP&A chez Lenovo, Europe & META.
Le cours Optimisation dynamique et méthodes de Monte-Carlo sous Python est enseigné à l’Université Sorbonne Paris Nord, en :
- Master 2 MBFA sp. Ingénierie financière et modélisation
- Master 2 MBFA pa. Ingénierie de l’assurance
Écrire : adil.tiba.fr@gmail.com.
Où regarder les films
Sur ce site, sur la page de chaque séance, avec leurs chapitres, leurs sous-titres et leur transcription.
Comment c’est fait
Les films. Les données de chaque animation sont calculées par un script Python à graine fixée (NumPy, SciPy), puis animées avec Remotion et three.js. La musique et les bruitages sont composés pour ces films.
Le site. Astro, KaTeX pour les formules, Pyodide pour Python dans le navigateur, Pagefind pour la recherche. Le générateur de NumPy est réécrit bit pour bit, pour que le laboratoire rejoue les tirages des films.

