CommencerCommencer gratuitement

Permis de conduire

Dans les prochains exercices, vous allez apprendre à construire un processus de génération des données (DGP) à partir d’exemples de complexité croissante.

Dans cet exercice, vous allez simuler un DGP très simple. Supposons que vous passiez l’examen du permis demain. D’après votre entraînement et les données que vous avez collectées, vous savez que la probabilité de réussir l’examen est de 90 % quand il fait beau et seulement de 30 % quand il pleut. Votre station météo locale prévoit 40 % de probabilité de pluie demain. À partir de ces informations, vous souhaitez connaître la probabilité de réussir l’examen demain.

C’est un problème simple qui peut être résolu analytiquement. Ici, vous allez apprendre à modéliser un DGP simple et voir comment l’utiliser pour la simulation.

Cet exercice fait partie du cours

Simulation statistique en Python

Afficher le cours

Exercice interactif pratique

Essayez cet exercice en complétant cet exemple de code.

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
Modifier et exécuter le code