np.random.choice()

Dans cet exercice, vous allez découvrir la fonction np.random.choice(). C'est une fonction extrêmement utile pour les simulations et vous l'utiliserez abondamment plus tard dans le cours. Pour commencer, voyons les bases de cette fonction. En utilisant help(), déterminez lesquels des paramètres d'entrée suivants ne sont pas optionnels pour la fonction np.random.choice() :

Cette activité fait partie du cours

Simulation statistique en Python

Exercice interactif pratique

Passez de la théorie à l’action grâce à l’un de nos exercices interactifs

Commencer l’exercice

Cette activité fait partie du cours

Simulation statistique en Python

SkillTag.level.intermediateSkillTag.label

4.9+

Commencer le cours gratuitement

Ce chapitre vous donne les outils nécessaires pour exécuter une simulation. Nous commencerons par revoir les variables aléatoires et les distributions de probabilité. Nous verrons ensuite comment lancer une simulation en présentant d'abord un déroulement type, puis en le recréant dans le contexte d'un jeu de dés. Enfin, nous apprendrons à utiliser les simulations pour appuyer la prise de décision.

Exercise 1: Introduction aux variables aléatoires Exercise 2: np.random.choice()

Exercice en cours

Exercise 3: Variable aléatoire de Poisson Exercise 4: Brasser un jeu de cartes Exercise 5: Notions de base de la simulation Exercise 6: Lancer un dé équilibré Exercise 7: Lancer deux dés équilibrés Exercise 8: Simuler le jeu de dés Exercise 9: Utiliser la simulation pour la prise de décision Exercise 10: Simuler un tirage de loterie Exercise 11: Devrait-on acheter?Exercise 12: Calculer un prix de loterie d'équilibre

Ce chapitre propose une introduction aux concepts de probabilité et une compréhension pratique du processus de génération des données. Nous examinerons plusieurs exemples de modélisation de ce processus et terminerons par la modélisation d'une simulation publicitaire en commerce électronique.

Exercise 1: Notions de base en probabilité Exercise 2: Dame et pique Exercise 3: Une paire Exercise 4: Jeu de treize Exercise 5: Autres notions de probabilité Exercise 6: L'urne conditionnelle Exercise 7: Le problème des anniversaires Exercise 8: Main pleine (full house)Exercise 9: Processus de génération des données Exercise 10: Examen de conduite Exercise 11: Élections nationales Exercise 12: Objectifs de mise en forme Exercise 13: Simulation de publicité en commerce électronique Exercise 14: Parcours d'inscription Exercise 15: Parcours d'achat Exercise 16: Probabilité de perdre de l'argent

Dans ce chapitre, nous ferons une brève introduction aux méthodes de rééchantillonnage et à leurs applications. Nous goûterons au bootstrap, au rééchantillonnage jackknife et aux tests par permutation. Après ce chapitre, vous serez en mesure d'appliquer des méthodes simples de rééchantillonnage à l'analyse de données.

Exercise 1: Introduction aux méthodes de rééchantillonnage Exercise 2: Échantillonnage avec remise Exercise 3: Exemple de probabilité Exercise 4: Bootstrap Exercise 5: Exécuter un simple bootstrap Exercise 6: Estimateurs non standards Exercise 7: Bootstrap d'une régression Exercise 8: Rééchantillonnage jackknife Exercise 9: Estimation jackknife de base — moyenne Exercise 10: Intervalle de confiance jackknife pour la médiane Exercise 11: Test de permutation Exercise 12: Générer une seule permutation Exercise 13: Vérification d'hypothèse – Différence de moyennes Exercise 14: Vérification d'hypothèses — Statistiques non standard

Dans ce chapitre, vous découvrirez des applications de base et avancées de la simulation pour résoudre des problèmes concrets. Nous travaillerons sur un problème de planification d'affaires, verrons l'intégration de Monte Carlo, l'analyse de puissance statistique par simulation et conclurons avec une simulation de portefeuille financier. Après ce chapitre, vous serez prêt à appliquer la simulation pour résoudre des problèmes courants.

Exercise 1: Simulation pour la planification d'affaires Exercise 2: Modéliser la production de maïs Exercise 3: Modéliser les profits Exercise 4: Optimiser les coûts Exercise 5: Intégration de Monte Carlo Exercise 6: Intégrer une fonction simple Exercise 7: Calcul de la valeur de pi Exercise 8: Simulation pour l'analyse de puissance Exercise 9: Facteurs qui influencent la puissance statistique Exercise 10: Analyse de puissance – Partie I Exercise 11: Analyse de puissance - Partie II Exercise 12: Applications en finance Exercise 13: Simulation de portefeuille — Partie I Exercise 14: Simulation de portefeuille - Partie II Exercise 15: Simulation de portefeuille - Partie III Exercise 16: Conclusion