コインを投げる
動画では、二項分布の成功確率を推定するカスタム関数 get_heads_prob() を紹介しました。この演習では、それを実際に使って、コイントス実験で正しく機能するかを確かめます。
混同に注意してください。ここでは2種類の確率分布が登場します。1つはコイントスをモデル化する二項分布です。これは2つの値（表か裏）を取り、成功確率（表が出る確率）でパラメータ化される離散分布です。このパラメータに対するベイズ推定は、もう一方の連続分布になります。具体的な分布形は分かりませんが、get_heads_prob() でその分布を推定し、可視化できます。
numpy と seaborn はそれぞれ np、sns として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
演習の手順
- 表が出る確率50%で、1000回のコイントス（0と1）を生成し、変数
tossesに代入します。 tossesとget_heads_prob()関数を使って表の確率を推定し、結果をheads_probに代入します。- いま推定した表の確率分布の密度プロットを描画します。
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。
# Generate 1000 coin tosses
tosses = ____(____, ____, ____)
# Estimate the heads probability
heads_prob = ____
# Plot the distribution of heads probability
____(____, shade=True, label="heads probabilty")
plt.show()