Lancer une pièce
Dans la vidéo, vous avez vu notre fonction personnalisée get_heads_prob() qui estime la probabilité de succès d’une loi 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 lois de probabilité différentes interviennent ici ! La première est la binomiale, que nous utilisons pour modéliser les lancers de pièce. C’est une loi discrète à deux issues possibles (pile ou face) paramétrée par la probabilité de succès (obtenir pile). L’estimation bayésienne de ce paramètre est une autre loi de probabilité, continue. Nous ne savons pas de quel type de loi 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 alias np et sns.
Cet exercice fait partie du cours
Analyse de données bayésienne en Python
Instructions
- Générez une liste de 1000 lancers de pièce (0 et 1) avec 50 % de chances d’obtenir pile et affectez-la à la variable
tosses. - Utilisez
tosseset la fonctionget_heads_prob()pour estimer la probabilité d’obtenir pile, et affectez le résultat àheads_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 cet exemple de code.
# Generate 1000 coin tosses
tosses = ____(____, ____, ____)
# Estimate the heads probability
heads_prob = ____
# Plot the distribution of heads probability
____(____, shade=True, label="heads probabilty")
plt.show()