Certaines personnes condamnées dans l’étude ont été libérées sur parole. Comme les personnes en liberté conditionnelle sont soumises à des contraintes plus strictes, vous supposez que leur taux d’arrestation initial est élevé mais diminue avec le temps, tandis que le taux d’arrestation des autres condamnés augmente avec le temps.

Vous allez ajuster un estimateur de Weibull séparément pour les personnes en liberté conditionnelle et celles qui ne le sont pas. Vous comparerez ensuite leurs paramètres de modèle pour vérifier votre hypothèse. Le DataFrame que vous utiliserez s’appelle prison.

La bibliothèque matplotlib.pyplot est importée sous le nom plt, les bibliothèques pandas et numpy sont importées sous les noms pd et np, respectivement. La classe WeibullFitter a été importée pour vous et une nouvelle instance appelée wb a été créée. Utilisez la console pour explorer le DataFrame si besoin.

Modèle de Weibull avec covariables

Create Your Free Account