Programme Leçon 106 sur 246 · Module 9 : Est-ce vraiment mieux ?
Module 9 : Est-ce vraiment mieux ?

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
À ton tour

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.