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
<cours>Analyse de données bayésienne en Python</cours>Exercice interactif pratique
Essayez cet exercice en complétant ce code d’exemple.
# Assign first 10 and 100 tosses to separate variables
tosses_first_10 = ____
tosses_first_100 = ____