Simulace beta posterioru
V několika nadcházejících cvičeních budeš používat funkci simulate_beta_posterior(), kterou jsi viděl/a v poslední lekci. V tomto cvičení si lépe porozumíš, co tato funkce dělá, a projdeš si výpočty, které provádí.
Máš k dispozici seznam deseti hodů mincí nazvaný tosses, kde 1 označuje hlavu, 0 znak a hlava je definována jako „úspěch". Pro simulaci posteriorní pravděpodobnosti hodu hlavy použiješ beta prior. Připomeň si, že pokud je prior \(Beta(a, b)\), pak posterior je \(Beta(x, y)\), přičemž:
\(x = \text{NumberOfHeads} + a\)
\(y = \text{NumberOfTosses} - \text{NumberOfHeads} + b\)
Toto cvičení je součástí kurzu
Bayesian Data Analysis in Python
Interaktivní cvičení na vyzkoušení si v praxi
Vyzkoušejte si toto cvičení dokončením tohoto ukázkového kódu.
# Set prior parameters and calculate number of successes
beta_prior_a = ____
beta_prior_b = ____
num_successes = np.sum(____)
# Generate 10000 posterior draws
posterior_draws = np.random.beta(
____ + ____,
____ - ____ + ____,
10000)
# Plot density of posterior_draws
sns.kdeplot(posterior_draws, shade=True)
plt.show()