CommencerCommencez gratuitement

Drogues anti-zombies avec prop_model

Si nous nous intéressions vraiment à la proportion sous-jacente de faces de cette pièce, alors prop_model ne serait pas particulièrement utile. Comme il suppose qu'avant toute observation chaque proportion de succès est également probable, il faudra beaucoup de lancers pour convaincre prop_model que la pièce est équilibrée. Ce modèle est plus approprié lorsque nous avons très peu de connaissances préalables sur la proportion de succès sous-jacente.

Cet exercice fait partie du cours

<cours>Fondamentaux de l'analyse bayésienne des données en R</cours>
Voir le cours

Exercice interactif pratique

Essayez cet exercice en complétant ce code d’exemple.

# Update the data and rerun prop_model
data = c(1, 0, 0, 1)
prop_model(data)
Modifier et exécuter le code