Examen de conduite
Au fil des prochains exercices, vous allez apprendre à bâtir un processus de génération des données (DGP) à partir d'exemples de plus en plus complexes.
Dans cet exercice, vous allez simuler un DGP très simple. Supposons que vous passiez un examen de conduite demain. D'après votre propre pratique et les données que vous avez recueillies, vous savez que la probabilité de réussir l'examen est de 90 % lorsqu'il fait soleil et de seulement 30 % lorsqu'il pleut. Votre station météo locale prévoit 40 % de probabilité de pluie demain. À partir de ces renseignements, vous souhaitez connaître la probabilité de réussir votre examen de conduite demain.
Ce problème est simple et peut se résoudre de façon analytique. Ici, vous allez apprendre à modéliser un DGP simple et voir comment l'utiliser pour une simulation.
Cette activité fait partie du cours
Simulation statistique en Python
Exercice interactif pratique
Essayez cet exercice en complétant ce code d’exemple.
sims, outcomes, p_rain, p_pass = 1000, [], 0.40, {'sun':0.9, 'rain':0.3}
def test_outcome(p_rain):
# Simulate whether it will rain or not
weather = np.random.choice(['rain', 'sun'], p=[____])
# Simulate and return whether you will pass or fail
test_result = np.random.choice(['pass', 'fail'], p=[____])
return test_result