事後分布の更新
前の演習で有効性率の事後分布を推定できました。よくできました！ ただし、データ数が少ないため、この分布はかなり広く、薬の品質に関する不確実性が大きいことを示しています。幸い、薬の試験は続いており、新たに12人の患者に投与したところ、10人が治癒しました。これらの新しいデータで事後分布を更新しましょう！
ベイズ的アプローチなら簡単です。先ほどと同様にグリッド近似を実行しますが、異なる事前分布を使います。前の演習で得た事後分布（有効性率に関する私たちの知識を表すもの）を新しい事前分布として利用できます。そのうえで新しいデータに対する尤度を計算し、新しい事後分布を得ます！
前の演習で作成した DataFrame df はワークスペースに用意されています。また、scipy.stats から binom がインポート済みです。
この演習はコースの一部です
Pythonで学ぶBayesianデータ分析
実践的なインタラクティブ演習
このサンプルコードを完成させて、この演習に挑戦してみましょう。
# Assign old posterior to new prior and calculate likelihood
df["new_prior"] = ____
df["new_likelihood"] = ____(df["num_patients_cured"], ____, df["efficacy_rate"])