fix(pymc,#13277): PyMC-2 cellule 18 — verdict honnête divergences 439 / r_hat 1.030 / ESS 250 (label switching marqué)

MyIA.AI.Notebooks/Probas/PyMC/PyMC-2-Gaussian-Mixtures.ipynb

@@ -1033,14 +1033,14 @@
     "\n",
     "Le modèle de mélange à 2 composantes a été échantillonné avec un algorithme hybride : NUTS pour les paramètres continus (poids, moyennes, ecarts-types) et BinaryGibbsMetropolis pour les assignations discretes (z).\n",
     "\n",
-    "La lecture de diagnostic (`az.summary`, ajoutee apres `pm.sample`) quantifie le warning committe par l'echantillonneur :\n",
-    "- **86 divergences** NUTS apres tuning ;\n",
-    "- **R-hat max = 1.020** (sur `mu_components[0]`, juste au-dessus du seuil 1.01) ;\n",
-    "- **ESS bulk min = 284** (toutes chaines confondues, suffisant) — le warning ESS de PyMC porte sur l'ESS *par chaine* (< 100 pour certains parametres), une inefficacite au niveau de la chaine, pas un manque global de tirages.\n",
+    "La lecture de diagnostic (`az.summary`, ajoutee apres `pm.sample`) quantifie le warning committe par l'echantillonneur (sortie re-executee par #12778) :\n",
+    "- **439 divergences** NUTS apres tuning (cinq fois plus qu'avant la re-execution : 86 -> 439) ;\n",
+    "- **R-hat max = 1.030** (sur `mu_components[0]` et `mu_components[1]`, au-dessus du seuil 1.01) ;\n",
+    "- **ESS bulk min = 250** (toutes chaines confondues, **limite**) -- le warning ESS de PyMC porte sur l'ESS *par chaine* (< 100 pour certains parametres), une inefficacite au niveau de la chaine, pas un manque global de tirages.\n",
     "\n",
-    "Le r_hat de `mu_components[0]` legerement au-dessus de 1.01 est la signature du **label switching** : les etiquettes des composantes permutent au cours de l'echantillonnage, rendant le paysage posterior multimodal. Les deux moyennes ne sont donc pas totalement identifiables — c'est cela, et non un manque de tirages, qui fait re-descendre le diagnostic sous le seuil.\n",
+    "Le r_hat a 1.030 combine a 439 divergences est la signature d'un **label switching marque** : les etiquettes des composantes permutent au cours de l'echantillonnage, rendant le paysage posterior multimodal, et les trajectoires NUTS qui traversent les vallees entre modes accumulent les divergences (chaque divergence = un point ou le gradient est trop abrupt pour l'integrateur leapfrog). Le facteur 5 sur les divergences entre deux tirages du meme modele temoigne d'une sensibilite au seed/initialisation, caracteristique des posteriors multimodaux non identifies. Les deux moyennes ne sont donc pas totalement identifiables -- c'est cela, et non un manque de tirages, qui empeche le diagnostic d'atteindre le seuil.\n",
     "\n",
-    "Malgre cette non-identifiabilite (legere), les estimations ponctuelles restent interpretables :\n",
+    "Compte tenu de cette non-identifiabilite marquee, les estimations ponctuelles restent interpretables **uniquement apres permutation des labels** (les composantes ne sont identifiees que par leur moyenne relative, pas par leur indice) :\n",
     "- La composante \"normale\" capture les trajets de 11 a 20 minutes\n",
     "- La composante \"exceptionnelle\" capture les trajets de 28 a 35 minutes\n",
     "- Les 3 observations extremes (28, 32, 35 min) correspondent bien aux evenements extraordinaires\n",

scripts/notebook_tools/twin_pairs.d/probas-2-gaussian-mixtures.yaml

@@ -57,9 +57,32 @@
       csharp_sha: f7d507ae2ac763906e13d6ba61240219f5193ab4
       content_python_sha: d097e445246d572e6a5e758b31e5c98587b7d29174d6c55596e949e4874da28b
       content_csharp_sha: 193d1a1aa8d5a5fe5da8159efcba581bcbc402afb68247a3c3e14d78f380a76a
+    - date: "2026-08-28"
+      by: myia-po-2026:CoursIA-2
+      python_sha: 9cfd2a2fd4971f898fc156767770f45427c6b8e8
+      csharp_sha: f7d507ae2ac763906e13d6ba61240219f5193ab4
+      content_python_sha: cd7456ba906f7fafe38411af38e48278ef8682ec0dab56de805ba3ff6dfdfe9c
+      content_csharp_sha: 193d1a1aa8d5a5fe5da8159efcba581bcbc402afb68247a3c3e14d78f380a76a
+    - date: "2026-08-28"
+      by: myia-po-2026:CoursIA-2
+      python_sha: 43dd723671556866dbf5324eb29ccd1e3eb9c705
+      csharp_sha: f7d507ae2ac763906e13d6ba61240219f5193ab4
+      content_python_sha: 13ea4c5eeed3fff1733f4582d7b75f2583e2dfa54e9cafeaa1afd448d2168d66
+      content_csharp_sha: 193d1a1aa8d5a5fe5da8159efcba581bcbc402afb68247a3c3e14d78f380a76a
   known_differences:
   - '2026-08-21 (rebaseline asymetrique myia-po-2024:CoursIA-2) : PR #12065 corrige heading_in_list cote C# (Infer-2-Gaussian-Mixtures.ipynb, 1 finding) tandis que le jumeau Python (PyMC-2-Gaussian-Mixtures.ipynb) etait deja a 0 finding. La convergence unilaterale est legitime (cf ai-01 arbitrage 2026-08-21 15:00Z, DM msg-20260821T130006-lc9u2c) : la parite reelle s''ameliore, elle n''est pas enshrinee. Aucun strip outille en attente (probe banner 0, papermill 0, machine paths 0).'
   - 'Socle pedagogique commun : melanges de distributions gaussiennes (GMM) modelise dans les deux stacks.'
   - 'Moteurs d''inference distincts : C# Infer.NET = inference deterministe approchee (Expectation Propagation / Variational
     Message Passing, modele compile en code d''inference) ; Python PyMC = echantillonnage MCMC (NUTS/HMC par defaut) + ADVI
     (variationnel) sur backend PyTensor. Memes concepts, paradigmes d''inference differents.'
+  - '2026-08-28 (drift unilateral myia-po-2026:CoursIA-2, PR #13283) : correction derive prose cellule 18 cote Python seul
+    (markdown d''interpretation de l''echantillonnage GMM, post-re-execution #12778) — les sorties az.summary reellement
+    committees par le notebook ont 439 divergences / R-hat max 1.030 / ESS bulk min 250 sur mu_components, et la prose
+    annonce 86 / 1.020 / 284 (avec jugements "leger" / "limite" / "suffisant"). PR #13283 corrige les 3 valeurs + 3
+    jugements re-tires (label switching MARQUE plus "leger", non-identifiabilite MARQUEE plus "leger", ESS LIMITE
+    plus "suffisant"). Jumeau C# (Infer-2) inchange : il n''a pas ete touche par #12778 (Infer.NET = moteur EP/VMP
+    deterministe, pas de stochasticite NUTS/ArviZ). Mouvement unilateral legitime (parity_level native-both, moteurs
+    distincts : drift documente ne touche que la sortie d''un moteur, et le markdown qui la decrit dans la stack
+    concernee). Aucun strip outille en attente (probe banner 0, papermill 0, machine paths 0). B.0 OK : body PR #13283
+    documente diagnostic derive C.4 categorie c (moteur upstream) + verdict CAUSE_FIXED. Refs: Fixes #13277,
+    See #12778 #12476 #13275.'