Lanzar una moneda
En el vídeo has visto nuestra función personalizada get_heads_prob() que estima la probabilidad de éxito de una distribución binomial. En este ejercicio, la usarás tú mismo y comprobarás si hace bien su trabajo en un experimento de lanzamiento de moneda.
Ojo con la posible confusión: ¡hay dos distribuciones de probabilidad distintas involucradas! Una es la binomial, que usamos para modelar el lanzamiento de la moneda. Es una distribución discreta con dos posibles valores (cara o cruz) parametrizada por la probabilidad de éxito (sacar cara). La estimación bayesiana de este parámetro es otra distribución de probabilidad, continua. No sabemos qué forma tiene, pero podemos estimarla con get_heads_prob() y visualizarla.
numpy y seaborn ya se han importado como np y sns, respectivamente.
Este ejercicio forma parte del curso
Análisis de datos bayesiano en Python
Instrucciones del ejercicio
- Genera una lista de 1000 lanzamientos de moneda (0s y 1s) con un 50% de probabilidad de sacar cara y asígnala a la variable
tosses. - Usa
tossesy la funciónget_heads_prob()para estimar la probabilidad de cara y asigna el resultado aheads_prob. - Dibuja un gráfico de densidad de la distribución de la probabilidad de cara que acabas de estimar.
Ejercicio interactivo práctico
Prueba este ejercicio y completa el código de muestra.
# Generate 1000 coin tosses
tosses = ____(____, ____, ____)
# Estimate the heads probability
heads_prob = ____
# Plot the distribution of heads probability
____(____, shade=True, label="heads probabilty")
plt.show()