Des barres d'erreur par rééchantillonnage (bootstrap)
Pourquoi c'est important « 95 % de justesse sur 100 éléments » pourrait facilement devenir 90 % ou 99 % sur les 100 suivants. Une barre d'erreur dit jusqu'où faire confiance au nombre.
Vois-le
Lance l'animation. Tu n'as qu'un seul jeu de test, mais tu peux te demander : si le jeu de test était sorti un peu différemment, de combien le score changerait-il ? Fabrique un faux nouveau jeu de test en tirant 100 éléments parmi tes 100 au hasard, avec remise (certains éléments deux fois, d'autres pas du tout), et note-le. Fais ça 2 000 fois. Les 95 % du milieu de ces scores, c'est ta barre d'erreur.
Bootstrap : estimer l'incertitude en rééchantillonnant tes propres données avec remise. Intervalle à 95 % : du 2.5e au 97.5e centile des scores rééchantillonnés.
Mots et symboles de cette leçon
- bootstrap
- rééchantillonner ton jeu de test avec répétitions pour voir de combien un score varie
- intervalle à 95 %
- les 95 % du milieu des scores rééchantillonnés
Écris bootstrap_ci(correct, n=2000, seed=0) : tire tous les rééchantillonnages d'un coup avec np.random.default_rng(seed).integers(0, len(correct), (n, len(correct))), note chacun, et renvoie les 2.5e et 97.5e centiles.
Tu as repéré un problème dans cette leçon ? Signale-le · Pose une question sur cette leçon
Cet exercice s'ouvre bientôt
Termine la leçon précédente pour débloquer celle-ci. Tout le cours est gratuit, aucun compte n'est requis, et tu peux lire cette leçon dès maintenant.
Ce navigateur bloque les cookies pour learn.floati.life, donc les leçons que tu as terminées ici ne peuvent pas s'ouvrir dans l'ordre. Autorise les cookies pour ce site et recharge la page.