Estimer par Monte-Carlo et en donner un intervalle de confiance asymptotique.
Estimer avec par Monte-Carlo, (valeur attendue ).
Estimer par Monte-Carlo et en donner un intervalle de confiance asymptotique.
Si sont i.i.d. de loi , la LFGN donne ; le TLC fournit un IC asymptotique .
Z > 1.96).rd.xxx(size=N) puis je calcule le tableau booléen ind = (condition).np.mean(ind) : comme True vaut et False vaut , la moyenne est la fréquence empirique.demi = 1.96 * np.sqrt(p_hat*(1-p_hat)/N) et j'affiche .Estimer avec par Monte-Carlo, (valeur attendue ).
Z > 1.96).import numpy as np, numpy.random as rd
N = 10**5
rd.xxx(size=N) puis je calcule le tableau booléen ind = (condition).Z = rd.randn(N)
ind = (Z > 1.96)
np.mean(ind) : comme True vaut et False vaut , la moyenne est la fréquence empirique.p_hat = ind.mean()
print(p_hat)
demi = 1.96 * np.sqrt(p_hat*(1-p_hat)/N) et j'affiche .demi = 1.96 * np.sqrt(p_hat*(1-p_hat)/N)
print([p_hat - demi, p_hat + demi])
, IC à très resserré pour .
Les applications suivantes et la correction guidée sont réservées aux membres Premium
La méthode et sa première application corrigée restent en accès libre. Le Premium débloque les applications suivantes, l'aide IA et le suivi de ta maîtrise.