AccueilCoursBases des probabilités appliquées avec Python

Estimer le taux de condamnation pour cambriolage

Chapitre 2 · Premiers pas dans les simulations de lancers de pièces · leçon 8 sur 63
Réservée aux abonnés — voici son début
La suite de cette leçon est réservée aux abonnés Créez votre compte gratuit pour tester les exercices d’exemple, puis passez à l'accès complet quand vous le souhaitez.

Créez votre compte gratuit

Sans carte bancaire, en trente secondes.
Continuer avec Google
ou
S'inscrire avec un e-mail
Déjà inscrit ? Se connecter
En continuant, vous acceptez les conditions d'utilisation et la politique de confidentialité. Vos données sont hébergées dans l'Union européenne.

Accès complet DATAGOZ

19 €/ mois — ou 190 € / an
  • Tous les cours publiés et les parcours métier
  • Exercices et quiz corrigés automatiquement
  • Entraînement, examen et attestation de suivi
  • Sans engagement, résiliable en ligne
Voir les formules
Cette leçon fait partie du cours

Bases des probabilités appliquées avec Python

short_training6 chapitres · 63 leçons

Découvrez et maîtrisez les principes essentiels des probabilités avec Python !

  • La plateforme de formationabonnés
  • Lancer une pièce à l’aide de Pythonabonnés
  • Simuler des lancers de piècesabonnés
  • Multiplier les simulations de lancers avec la fonction binomabonnés
  • Distinguer les fonctions de masse et de distribution de probabilitéabonnés
  • Estimer la probabilité de défautsabonnés
  • Prédire la situation professionnelle à partir des probabilitésabonnés
  • Estimer le taux de condamnation pour cambriolagevous êtes ici
  • Découvrir l’espérance mathématique, la moyenne et la varianceabonnés
  • Calculer l’espérance et la variance d’une distributionabonnés
  • Estimer la moyenne à partir de simulationsabonnés
  • Vérifier la précision des résultats obtenusabonnés
  • Calculer la moyenne et la variance d’un échantillonabonnés
  • Calculer la probabilité de deux événementsabonnés
  • Analyser le chevauchement entre plusieurs événementsabonnés
  • Étudier les caractéristiques d’un échantillonabonnés
  • Calculer des probabilités conjointesabonnés
  • Résoudre des problèmes de probabilités avec un jeu de cartesabonnés
  • Déterminer des probabilités conditionnellesabonnés
  • Évaluer les probabilités de retard des volsabonnés
  • Analyser les relations entre événements avec un tableau de contingenceabonnés
  • Approfondir les calculs de probabilités avec les cartesabonnés
  • Appliquer la loi des probabilités totalesabonnés
  • Estimer les chances de victoire des pilotes de Formule 1abonnés
  • Analyser les probabilités liées aux choix des électeursabonnés
  • Utiliser la règle de Bayes pour actualiser les probabilitésabonnés
  • Approfondir le calcul des probabilités conditionnellesabonnés
  • Étudier les probabilités de production dans des usinesabonnés
  • Évaluer la fiabilité d’un test sanguin de dépistage de la grippe porcineabonnés
  • Explorer la loi normaleabonnés
  • Déterminer l’étendue des valeurs possiblesabonnés
  • Représenter graphiquement des distributions normalesabonnés
  • Étudier les valeurs situées à moins de trois écarts types de la moyenneabonnés
  • Calculer des probabilités à partir de la loi normaleabonnés
  • Appliquer la loi normale aux dépenses au restaurantabonnés
  • Modéliser l’autonomie d’une batterie de smartphone avec la loi normaleabonnés
  • Analyser la distribution des tailles chez les adultesabonnés
  • Découvrir la loi de Poissonabonnés
  • Appliquer la loi de Poisson aux opérations d’un distributeur automatiqueabonnés
  • Modéliser la fréquence des accidents sur autoroute avec la loi de Poissonabonnés
  • Générer et visualiser des distributions de Poisson en Pythonabonnés
  • Découvrir la loi géométriqueabonnés
  • Appliquer la loi géométrique à la capture de saumonsabonnés
  • Modéliser les réussites aux lancers francs avec la loi géométriqueabonnés
  • Générer et représenter graphiquement des distributions géométriquesabonnés
  • Passer de la moyenne d’un échantillon à celle de la populationabonnés
  • Créer un échantillon aléatoire en Pythonabonnés
  • Calculer la moyenne d’un échantillonabonnés
  • Représenter graphiquement la distribution des moyennes d’échantillonsabonnés
  • Étudier la somme de variables aléatoiresabonnés
  • Comparer les moyennes obtenues sur plusieurs échantillonsabonnés
  • Comprendre pourquoi les moyennes d’échantillons suivent une loi normaleabonnés
  • Analyser la somme des résultats de plusieurs lancers de désabonnés
  • Découvrir les principes de la régression linéaireabonnés
  • Ajuster un modèle de régression linéaire aux donnéesabonnés
  • Prédire les résultats d’examens à l’aide d’un modèle linéaireabonnés
  • Analyser les résidus d’un modèle de régressionabonnés
  • Découvrir la régression logistiqueabonnés
  • Construire et ajuster un modèle de régression logistiqueabonnés
  • Prédire la réussite des étudiants à partir de leurs donnéesabonnés
  • Calculer la probabilité de réussir deux examensabonnés
  • Faire le bilan des notions de probabilités et de statistiques étudiéesabonnés
  • Conclusion de la formationabonnés
Leçon suivante

Découvrir l’espérance mathématique, la moyenne et la variance

Voir le programme Créer un compte pour continuer