spb/traite-evaluation-qc

1id,chapitre,description,script,test,resultat_attendu,resultat_obtenu,statut,date2CALC-39-01,39,"Postérieure NIG sous a priori de référence = MCO : m_n = β̂, a_n = (n−k)/2 = 292, ν = 584, b_n = SCR/2 = 2,0122, E[σ|y] = 0,0832 ; 15/15 paramètres vrais couverts à 95 %",analysis/python/cases/ch39_bayes.py,analysis/python/tests/test_ch39.py::test_nig_reference_coincide_avec_mco,"m_n = β̂ (1e-9) ; 292 ; 584 ; 2,0122 ; 0,0832 ; 15/15","identique",verifie,2026-10-313CALC-39-02,39,"A priori propre vague (V0 = 1e4 I, a0 = b0 = 1e-3) : a_n = 300,001, ν = 600, E[σ] = 0,0821, |m_n − β̂| < 1e-4 ; sujet 95 % [540 678 ; 747 707]",analysis/python/cases/ch39_bayes.py,analysis/python/tests/test_ch39.py::test_prior_propre_vague,"300,001 ; 0,0821 ; [540 678 ; 747 707]","identique",verifie,2026-10-314CALC-39-03,39,"Prédictive de Student du sujet (600 ventes) : loc 13,3627, échelle 0,08364, part coefficients 1,49 %, médiane 635 821 $, 90 % [553 979 ; 729 754], 95 % [539 504 ; 749 334] ; écart < 0,1 % avec l'IC ch. 18 [539 682 ; 749 087]",analysis/python/cases/ch39_bayes.py,analysis/python/tests/test_ch39.py::test_predictive_student_vs_ic_frequentiste,"[539 504 ; 749 334] ; écart < 0,1 %","[539 504 ; 749 334] ; écart 0,03 %",verifie,2026-10-315CALC-39-04,39,"Cohérence séquentielle : postérieure(344 ventes 2023-24) comme a priori + 256 ventes 2025-26 = postérieure(600) à 1e-8 près (m_n, V_n, a_n, b_n)",analysis/python/cases/ch39_bayes.py,analysis/python/tests/test_ch39.py::test_coherence_sequentielle,"écart < 1e-8","3,7e-12",verifie,2026-10-316CALC-39-05,39,"Petit marché (40 ventes ≤ 3 km, ≤ 18 mois, 12 colonnes, ν = 28) : référence ln_S 0,611 (0,067), médiane 650 965 $, largeur 39,5 % ; κ = 1 : 0,543 (0,016), 630 978 $, 33,2 % ; κ = 4 : sd 0,028 ; κ = 16 : sd 0,042 ; Hull seul 623 894 $ [526 381 ; 739 471], ln_S 0,540 (0,025)",analysis/python/cases/ch39_bayes.py,analysis/python/tests/test_ch39.py::test_petit_echantillon_et_prior_informatif,"valeurs du tab:39:petit","identiques",verifie,2026-10-317CALC-39-06,39,"Gibbs par blocs (4 chaînes × 3 000, brûlage 1 000) : R̂ < 1,01 et ESS > 2 000 pour tous les paramètres ; un paramètre à la fois : dist_centre R̂ 1,065 / ESS 91, α_MA 1,062 / 94",analysis/python/cases/ch39_bayes.py,analysis/python/tests/test_ch39.py::test_gibbs_diagnostics,"bloc : R̂ ≤ 1,002, ESS ≥ 2 985 ; naïf : ESS < 300 pour dist_centre et α_MA","identique",verifie,2026-10-318CALC-39-07,39,"Modèle hiérarchique (600 ventes) : σ 0,0832 (0,0024) ; τ médiane 0,181, 90 % [0,089 ; 0,494] ; α0 13,021 (0,147) ; effets relatifs à Hull : Gatineau −0,015, Aylmer 0,098, Buckingham −0,207, Masson-Angers −0,224 (effets fixes −0,022 / 0,085 / −0,250 / −0,263 ; vrais −0,0215 / 0,1096 / −0,1844 / −0,2044 tous couverts) ; B_s 0,999/0,999/0,998/0,995/0,995",analysis/python/cases/ch39_bayes.py,analysis/python/tests/test_ch39.py::test_hierarchique_retrouve_les_lois,"valeurs du tab:39:hier","identiques (Monte-Carlo, tolérance 0,01)",verifie,2026-10-319CALC-39-08,39,"Prédictive hiérarchique du sujet (8 000 tirages) : médiane 634 748 $, moyenne 637 727 $ (Duan ch. 18 : 637 953 $), 90 % [554 564 ; 729 004], 95 % [540 309 ; 749 431] ; sd log 0,0834 dont 0,0103 pour la moyenne",analysis/python/cases/ch39_bayes.py,analysis/python/tests/test_ch39.py::test_predictive_hierarchique,"moyenne à moins de 0,5 % de 637 953 $","637 727 $ (−0,04 %)",verifie,2026-10-3110CALC-39-09,39,"Expérience Masson-Angers n = 5/10/20/47 : effet fixe −0,342/−0,321/−0,280/−0,263 ; effet aléatoire −0,300/−0,282/−0,239/−0,224 ; B 0,970/0,984/0,990/0,996 ; prédictive sujet MA (26,9 km) médiane fixe 418 591 → 448 726 $, largeur 95 % 36,1 → 33,4 % ; hiérarchique 421 106 → 448 829 $, 36,1 → 33,1 %",analysis/python/cases/ch39_bayes.py,analysis/python/tests/test_ch39.py::test_formule_retrecissement_et_experience,"effet aléatoire > effet fixe et plus proche de α0 pour chaque n ; B(5) = 0,970","vérifié",verifie,2026-10-3111CALC-39-10,39,"Formule de rétrécissement : B(5 ; σ = 0,083 ; τ = 0,15) = 0,9423 ; B(5 ; τ = 0,05) = 0,6447 ; n pour B = ½ : 0,31 et 2,76",analysis/python/cases/ch39_bayes.py,analysis/python/tests/test_ch39.py::test_formule_retrecissement_et_experience,"0,9423 ; 0,6447","identique",verifie,2026-10-3112CALC-39-11,39,"Sensibilité à l'a priori sur τ (uniforme, IG(0,001;0,001), IG(1;0,01), τ fixé 0,157) : τ médiane 600 ventes 0,181/0,149/0,129/0,157 ; effet MA −0,224/−0,211/−0,200/−0,221 ; avec 5 ventes −0,300/−0,285/−0,269/−0,283",analysis/python/cases/ch39_bayes.py,analysis/python/tests/test_ch39.py::test_sensibilite_prior_tau,"étendue de l'effet MA(5) < 0,05 selon l'a priori","0,031",verifie,2026-10-3113CALC-39-12,39,"Critères : elpd_WAIC pooling 497,8 / effets fixes 633,2 / hiérarchique 632,9 (e.-t. 17,5 / 16,2 / 16,3) ; p_WAIC 12,4 / 16,0 / 16,1 ; LOO exact 497,8 / 633,1 ; LOO tronqué 497,8 / 633,1 / 632,9 ; WAIC −995,7 / −1 266,3 / −1 265,7",analysis/python/cases/ch39_bayes.py,analysis/python/tests/test_ch39.py::test_criteres,"|WAIC − LOO exact| < 1 ; Δ(fixe − pooling) > 100 ; |fixe − hiér.| < 2","vérifié",verifie,2026-10-3114CALC-39-13,39,"Récupération sur données simulées depuis les lois du générateur (graine 3, n = 600) : conjugué ≥ 13/15 couverts, E[σ] ≈ 0,085 ; Gibbs : σ ≈ 0,085, ≥ 3/4 primes de secteur couvertes, R̂ < 1,05",analysis/python/cases/ch39_bayes.py,analysis/python/tests/test_ch39.py::test_recuperation_sur_donnees_simulees,"couverture et σ","vérifié",verifie,2026-10-3115CALC-39-14,39,"Diagnostics sur chaînes de contrôle : iid → R̂ ∈ [0,99 ; 1,02], ESS > 0,7 mn ; AR(1) φ = 0,9 → ESS ∈ [200 ; 800] ; chaîne décalée de 3 e.-t. → R̂ > 1,5 ; identités WAIC",analysis/python/cases/ch39_bayes.py,analysis/python/tests/test_ch39.py::test_rhat_et_ess_sur_chaines_independantes,"voir test","vérifié",verifie,2026-10-3116CALC-39-15,39,"Exercices : ex1 m_n 3 440,8 / s_n 120 / w 0,64 / n0 2,25 (s0 = 400 : 3 492,9 / 140,4 / 0,877) ; ex2 P(>650 k$) 0,396, P(<550 k$) 0,042, 80 % [571 126 ; 707 845] ; ex3 B = 0,942/0,970/0,985/0,994, effet rétréci −0,2873, sd 0,0360 vs 0,0371 ; ex4 t_584 1,9640, t_20 2,0860, +6,2 %, [534 030 ; 757 014] ; ex5 R̂ 1,0077 et 1,2855, ESS 444 ; ex6 κ = 0,25 / 100 : 0,541 (0,008) 629 664 $ / 0,599 (0,053) 644 128 $, const Gatineau 631 263 $, const Buckingham 628 165 $, prior Hull 2023-24 : 0,530 (0,028) 628 160 $ ; ex7 α0 13,008 (0,041), MA −0,219",analysis/python/cases/ch39_bayes.py,analysis/python/tests/test_ch39.py::test_exercices,"valeurs des solutions","identiques (ex6 b-c et ex7 d calculés hors script, 2026-10-31)",verifie,2026-10-3117