Programme Leçon 30 sur 246 · Module 2 : Maths et probabilités, juste ce qu'il faut
Module 2 : Maths et probabilités, juste ce qu'il faut

Le hasard, les moyennes et la dispersion

Pourquoi c'est important Les données d'entraînement sont des échantillons aléatoires, les poids commencent au hasard, et un classifieur sort des probabilités. Il te faut juste assez de probabilités pour lire ces nombres.

Vois-le

Lance un dé équilibré de nombreuses fois. Chaque face sort environ 1 fois sur 6. La moyenne des faces se stabilise près de 3.5, même si tu ne peux jamais obtenir 3.5. Cette valeur de stabilisation, c'est l'espérance : la moyenne à long terme.

Un échantillon plus grand donne une moyenne plus proche de 3.5. Avec 10 lancers, tu pourrais voir 2.9 ou 4.1 ; avec 10 000 lancers, tu verras quelque chose comme 3.49 ou 3.51. Retiens ça : un nombre mesuré sur quelques exemples vacille ; sur beaucoup, il se stabilise.

Probabilité : la part à long terme des fois où quelque chose arrive. Espérance : la moyenne à long terme, la somme de chaque résultat fois sa probabilité.

Récap Les moyennes se stabilisent quand l'échantillon grandit. Les petits échantillons mentent un peu.

Mots et symboles de cette leçon
espérance (E[x])
la moyenne à long terme
À ton tour

Écris expected_value(outcomes, probs) (la somme des résultats fois leur probabilité), et simulate_mean(n, seed) qui lance un dé équilibré n fois avec np.random.default_rng(seed).integers(1, 7, size=n) et renvoie la moyenne.

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.