LoslegenKostenlos loslegen

Credible Intervalle mit höchster Posterior-Dichte

Du weißt, dass reine Punktschätzungen nicht ausreichen. Es wäre gut, eine Maßzahl für die Unsicherheit der Schätzung der Wirksamkeitsrate des Medikaments anzugeben – und du hast alles dafür Nötige. Du entscheidest dich, Folgendes ins Memo aufzunehmen.

Die experimentellen Ergebnisse deuten darauf hin, dass mit 90 % Wahrscheinlichkeit die Wirksamkeitsrate des neuen Medikaments zwischen ___ und ___ liegt, und mit 95 % Wahrscheinlichkeit zwischen ___ und ___.

Du musst zwei Credible Intervalle berechnen: eines mit 90 % und eines mit 95 % Wahrscheinlichkeit. Das Array drug_efficacy_posterior_draws ist weiterhin in deinem Workspace verfügbar.

Diese Übung ist Teil des Kurses

Bayesianische Datenanalyse in Python

Kurs anzeigen

Anleitung zur Übung

  • Importiere das Paket arviz als az.
  • Berechne das Credible Intervall mit höchster Posterior-Dichte für 90 % und weise es ci_90 zu.
  • Berechne das Credible Intervall mit höchster Posterior-Dichte für 95 % und weise es ci_95 zu.

Interaktive Übung

Vervollständige den Beispielcode, um diese Übung erfolgreich abzuschließen.

# Import arviz as az
____

# Calculate HPD credible interval of 90%
ci_90 = ____.____(____, ____=____)

# Calculate HPD credible interval of 95%
ci_95 = ____

# Print the memo
print(f"The experimental results indicate that with a 90% probability \nthe new drug's efficacy rate is between {np.round(ci_90[0], 2)} and {np.round(ci_90[1], 2)}, \nand with a 95% probability it is between {np.round(ci_95[0], 2)} and {np.round(ci_95[1], 2)}.")
Code bearbeiten und ausführen