Comme précisé dans la page de présentation, j’ai ici essayé de réaliser un test de turing inversé. Il s’agit d’une application plutot simple qui permet à l’utilisateur d’essayer de générer aléatoirement des 0 et des 1 de manière à ressembler à un vrai tirage aléatoire. L’application lui trace en direct l’histogramme de ses réalisations et le graph du postérieur bayésien (Loi Béta) associé à ces tirages.

On peut aussi générer de vrais nombres pseudo-aléatoires pour observer à quoi ressemble une vrai suite.

L’histogramme est modulable est permet d’observer la répartition de chaque taille de sous-séquence de 0 et de 1 car dans un cas vraiment aléatoire, n’importe quelle sous-séquence est uniformément présente. Et on voit que lorsque l’humain génère des nombres aléatoires, il y a beaucoup plus d’alternances que lors d’un vrai tirage.

Code 
using StatsPlots
using Distributions
using DataFrames


plot(Beta(3,7), label = "Beta(3,7)", size = (1000,800), title = "3 faces et 7 piles")
plot!(Normal(0.5,0.25), label = "Théorique")
xlims!(0,1)

Aussi on a un z-test naif qui détecte si la source de la séquence est un humain ou une machine, avec H0 machine.