diff --git a/4. Jupyter - kalkulator symboliczny.ipynb b/4. Jupyter - kalkulator symboliczny.ipynb
index 9d015d7..b1a836d 100644
--- a/4. Jupyter - kalkulator symboliczny.ipynb	
+++ b/4. Jupyter - kalkulator symboliczny.ipynb	
@@ -1936,14 +1936,14 @@
   "language_info": {
    "codemirror_mode": {
     "name": "ipython",
-    "version": 3
+    "version": 2
    },
    "file_extension": ".py",
    "mimetype": "text/x-python",
    "name": "python",
    "nbconvert_exporter": "python",
-   "pygments_lexer": "ipython3",
-   "version": "3.9.0"
+   "pygments_lexer": "ipython2",
+   "version": "2.7.15"
   },
   "varInspector": {
    "cols": {
diff --git a/5. Jupyter - całkowanie numeryczne.ipynb b/5. Jupyter - całkowanie numeryczne.ipynb
index bccda2e..5664b58 100644
--- a/5. Jupyter - całkowanie numeryczne.ipynb	
+++ b/5. Jupyter - całkowanie numeryczne.ipynb	
@@ -4,13 +4,23 @@
    "cell_type": "markdown",
    "metadata": {},
    "source": [
-    "# Pola figur: całkowanie analityczne i metodą Monte Carlo\n",
+    "# Przygotowanie innowacyjnych materiałów szkoleniowych i dokumentacji wewnętrznych w obszarze IT\n",
+    "\n",
+    "## 4. Jupyter - Pola figur: całkowanie analityczne i metodą Monte Carlo\n",
+    "### <i>Bartosz Naskręcki</i>\n",
     "\n",
     "W jaki sposób można obliczyć pole figury o zadanym kształcie, który jest trudny do analitycznego opisu?\n",
     "W tym pliku przedyskutujemy sposób obliczania pól figur oparty na metodach losowych z wykorzystaniem prostych spacerów losowych. Porównamy wyniki z obliczeniami analitycznymi na konkretnym przykładzie.\n",
     "\n",
     "<div class=\"alert alert-block alert-info\"> \n",
-    "Aby wzbogacić nasz repertuar matematyczny wykorzystamy w tym pliku funkcjonalność SageMath - obszernej biblioteki, która rozwija metody symboliczne Pythona. Do uruchomienia tego pliku będziesz potrzebować jądra \"SageMath\" w wersji co najmniej 8.9. Bez instalacji ten plik można rekompilować np. w przeglądarkowej wersji SageMath pod adresem cocalc.com.</div>"
+    "Aby wzbogacić nasz repertuar matematyczny wykorzystamy w tym pliku funkcjonalność SageMath - obszernej biblioteki, która rozwija metody symboliczne Pythona. Do uruchomienia tego pliku będziesz potrzebować jądra \"SageMath\" w wersji co najmniej 8.9. Bez instalacji ten plik można rekompilować np. w przeglądarkowej wersji SageMath pod adresem cocalc.com.</div>\n",
+    "\n",
+    "\n",
+    "Metody instalacji SageMath:\n",
+    " * bezpośrednie pobranie paczki i instalacja ze strony sagemath.org\n",
+    " * uruchomienie SageMath w cocalc.com\n",
+    " * instalacja z linii komend (Linux): \n",
+    " `sudo apt install sagemath-common sagemath-jupyter`"
    ]
   },
   {
@@ -41,7 +51,7 @@
    ],
    "source": [
     "x,y=var('x,y')\n",
-    "implicit_plot((x**2+y**2)**2-2*(x**2-y**2),(x,-2,2),(y,-2,2),figsize=[5,5],ymax=1,ymin=-1,xmin=-2,xmax=2)"
+    "show(implicit_plot((x**2+y**2)**2-2*(x**2-y**2),(x,-2,2),(y,-2,2),figsize=[5,5],ymax=1,ymin=-1,xmin=-2,xmax=2))"
    ]
   },
   {
@@ -298,7 +308,7 @@
    ],
    "source": [
     "#wykres licznika pochodnej\n",
-    "plot(licznik,(x,0,sqrt(2)),figsize=[3,3])"
+    "show(plot(licznik,(x,0,sqrt(2)),figsize=[3,3]))"
    ]
   },
   {
@@ -589,7 +599,7 @@
     }
    ],
    "source": [
-    "parametric_plot((sqrt(2*cos(2*t))*cos(t),sqrt(2*cos(2*t))*sin(t)),(t,0,pi/4) ,figsize=[3,3])"
+    "show(parametric_plot((sqrt(2*cos(2*t))*cos(t),sqrt(2*cos(2*t))*sin(t)),(t,0,pi/4) ,figsize=[3,3]))"
    ]
   },
   {
@@ -610,7 +620,7 @@
     }
    ],
    "source": [
-    "parametric_plot((-sqrt(2*cos(2*t))*cos(t),-sqrt(2*cos(2*t))*sin(t)),(t,-pi/4,pi/4),figsize=[3,3])"
+    "show(parametric_plot((-sqrt(2*cos(2*t))*cos(t),-sqrt(2*cos(2*t))*sin(t)),(t,-pi/4,pi/4),figsize=[3,3]))"
    ]
   },
   {
@@ -828,7 +838,7 @@
    ],
    "source": [
     "r=random() #zmienna o rozkładzie jednostajnym i wartościac w przedziale [0,1]\n",
-    "list_plot([random() for i in range(0,100)],figsize=[3,3])"
+    "show(list_plot([random() for i in range(0,100)],figsize=[3,3]))"
    ]
   },
   {
@@ -961,7 +971,7 @@
     "teksty=text(\"(1/4,1/8)\",(1/4+0.4,1/8))+text(\"(0,1)\",(+0.2,1-0.1))\n",
     "teksty+=text(\"Lemniskata $(x^2+y^2)^2=2(x^2-y^2)$\", (0.0,1.3), background_color=(1,1,0.8),fontsize=8)\n",
     "\n",
-    "lem+pt+teksty"
+    "show(lem+pt+teksty)"
    ]
   },
   {
@@ -1005,7 +1015,7 @@
     }
    ],
    "source": [
-    "list_plot([PoleLemniskaty(1000*k) for k in range(1,10)],figsize=[3,3])"
+    "show(list_plot([PoleLemniskaty(1000*k) for k in range(1,10)],figsize=[3,3]))"
    ]
   },
   {
@@ -1284,7 +1294,8 @@
    ],
    "source": [
     "#graf łańcucha Markowa\n",
-    "g = DiGraph({-1: [-1,0,1], 0: [-1,0,1],1: [-1,0,1]}); g"
+    "g = DiGraph({-1: [-1,0,1], 0: [-1,0,1],1: [-1,0,1]}); \n",
+    "show(g)"
    ]
   },
   {
@@ -1707,10 +1718,10 @@
    ],
    "source": [
     "li=[CalkowanieMarkowa((randint(0,40),randint(0,40)),2000,40,S1,-sqrt(2).n(),2*sqrt(2).n(),-1/2,1)*1.0 for i in [1..100]] \n",
-    "print sum(li)/len(li) #wartość średnia po wielu iteracjach\n",
+    "print(sum(li)/len(li)) #wartość średnia po wielu iteracjach\n",
     "li.sort()\n",
-    "print li[floor(len(li)/2)] #wartość środkowa (mediana)\n",
-    "list_plot(li)"
+    "print(li[floor(len(li)/2)]) #wartość środkowa (mediana)\n",
+    "show(list_plot(li))"
    ]
   },
   {