Alors, cette pièce est-elle équilibrée ?
Dans les deux exercices précédents, vous avez examiné la fonction get_heads_prob() pour comprendre comment le modèle estime la probabilité d’obtenir face et comment cette estimation évolue à mesure que de nouvelles données arrivent.
Passons maintenant aux choses sérieuses : voudriez-vous jouer à pile ou face contre votre amie ? Elle est partante, à condition d’utiliser sa pièce porte-bonheur. La variable tosses contient une liste de 1000 résultats de lancers de sa pièce. Allez-vous jouer ?
Dans cet exercice, vous allez à nouveau tracer des graphiques avec le package seaborn, déjà importé sous le nom sns.
Cet exercice fait partie du cours
Analyse de données bayésienne en Python
Exercice interactif pratique
Essayez cet exercice en complétant cet exemple de code.
# Assign first 10 and 100 tosses to separate variables
tosses_first_10 = ____
tosses_first_100 = ____