204
Chapitre 7
#> experiment # A law for (W,A,Y) in [0,1] x {0,1} x [0,1]. # # If the law is fully characterized, you can use method # ’sample_from’ to sample from it. # # If you built the law, or if you are an _oracle_, you can # also use methods ’reveal’ to reveal its relevant features # (QW, Gbar, Qbar, qY -- see ’?reveal’), and ’alter’ to change # some of them. # # If all its relevant features are characterized, you can # use methods ’evaluate_psi’ to obtain the value of ’Psi’ at # this law (see ’?evaluate_psi’) and ’evaluate_eic’ to obtain # the efficient influence curve of ’Psi’ at this law (see ’? # evaluate_eic’). La loi P0 de l’expérience reproductible experiment que nous avons construite génère une observation générique O qui se décompose sous la forme O , (W, A, Y ) ∈ [0; 1] × {0; 1} × [0; 1]. Nous interprétons W comme une mesure résumée, appartenant à [0; 1], d’un contexte aléatoire dans lequel une action A, choisie parmi deux actions possibles, est entreprise et conduit à l’obtention d’une récompense Y , appartenant à [0; 1]. Nous pouvons simplement échantillonner sous P0 grâce à la méthode sample_from. Par exemple, le code suivant réplique l’expérience cinq fois indépendamment : #> (five_obs # W A Y # [1,] 0.429 # [2,] 0.454 # [3,] 0.377 # [4,] 0.461 # [5,] 0.419
<- sample_from(experiment, n = 5)) 1 1 0 1 1
0.981 0.855 0.836 0.582 0.878
La nature d’experiment révélée En tant qu’oracle, nous pouvons lever le voile sur la nature de experiment et révéler une sélection de ses traits pertinents, eu égard à ce que nous souhaiterons en apprendre au premier chef, sujet qui sera abordé dans la section 7.2. #> relevant_features <- reveal(experiment) #> names(relevant_features) # [1] "QW" "Gbar" "Qbar" "qY" "sample_from"
