CommencezCommencez gratuitement

Lancer une pièce

Dans la vidéo, vous avez vu notre fonction personnalisée get_heads_prob() qui estime la probabilité de succès d'une distribution binomiale. Dans cet exercice, vous allez l'utiliser vous-même et vérifier si elle fait bien le travail dans une expérience de lancer de pièce.

Attention à la confusion : deux distributions de probabilité différentes sont en jeu! La première est la binomiale, que nous utilisons pour modéliser les lancers de pièce. C'est une distribution discrète à deux valeurs possibles (pile ou face) paramétrée par la probabilité de succès (obtenir pile). L'estimation bayésienne de ce paramètre est une autre distribution de probabilité, continue cette fois. Nous ne savons pas de quel type de distribution il s'agit, mais nous pouvons l'estimer avec get_heads_prob() et la visualiser.

numpy et seaborn ont été importés pour vous sous les noms np et sns.

Cette activité fait partie du cours

Analyse bayésienne des données en Python

Voir le cours

Instructions de l’exercice

  • Générez une liste de 1000 lancers de pièce (0 et 1) avec 50 % de chances d'obtenir pile et assignez-la à la variable tosses.
  • Utilisez tosses et la fonction get_heads_prob() pour estimer la probabilité d'obtenir pile et assignez le résultat à heads_prob.
  • Tracez un graphique de densité de la distribution de la probabilité d'obtenir pile que vous venez d'estimer.

Exercice interactif pratique

Essayez cet exercice en complétant ce code d’exemple.

# Generate 1000 coin tosses
tosses = ____(____, ____, ____)

# Estimate the heads probability
heads_prob = ____

# Plot the distribution of heads probability
____(____, shade=True, label="heads probabilty")
plt.show()
Modifier et exécuter le code