Atelier_G_widgets.md

@@ -83,7 +83,7 @@ def echantillon_gumbel(nb):
     return sorted(gumbel(loc=x0, scale=gr, size=nb))
 ``` 
 
-On remarque que l'on trie l'échantillon dès la création, avec la fonction *sorted* avec son attribut reverse ; elle ne change pas le conteneur qui lui est passé mais renvoie un conteneur avec les valeurs triées. La méthode *sort* trie aussi des conteneurs mais l'emploi est différent ;  ma_liste.sort(*))  trie ma_liste _en place_ (elle change le conteneur et ne retourne rien).
+On remarque que l'on trie l'échantillon dès la création, avec la fonction **sorted** avec son attribut reverse ; elle ne change pas le conteneur qui lui est passé mais renvoie un conteneur avec les valeurs triées. La méthode **sort** trie aussi des conteneurs mais l'emploi est différent ;  ma_liste.sort())  trie ma_liste _en place_ (elle change le conteneur et ne retourne rien).
 On définit ensuite les variables a, b et N car on a besoin dès le début d'une valeur initiale ; on prend a et b égaux aux paramètres de Tchégodaiev.
 Le booléen en_periode_de_retour permettra de gérer l'affichage sur l'axe des x, en fréquence ou converti en période de retour.
 
@@ -131,7 +131,7 @@ courbe_estim_param, =  ax.plot(T_emp_parametre(N, a, b), echantillon, color='blu
 ```
 
 ### remarque sur la prise en compte des actions des widgets après show()
-Après le plt.show(), la figure est tracée ; cependant, les actions sur les différents widgets vont la modifier. Après chaque action qui modifie la figure, par appel d'une méthode sur l'un de ses objets, il faudra donc appeler une méthode qui met à jour si l'on veut que cela soit pris en compte:
+Après le **plt.show()**, la figure est tracée ; cependant, les actions sur les différents widgets vont la modifier. Après chaque action qui modifie la figure, par appel d'une méthode sur l'un de ses objets, il faudra donc appeler une méthode qui met à jour si l'on veut que cela soit pris en compte:
 
 ``` python 
 fig_pp.canvas.draw_idle()