1. เรียนรู้
    2. /
  2. Courses
    3. /
  3. Python으로 배우는 Bayesian 데이터 분석
Connected

Exercises

사후 신념 업데이트하기

이전 연습 문제에서 효과 발생률의 사후 분포를 잘 추정하셨습니다! 아쉽게도 표본 수가 작아 분포가 꽤 넓게 나타났고, 이는 약물의 품질에 대한 불확실성이 크다는 뜻입니다. 다행히 임상은 계속 진행되었고, 추가로 12명의 환자를 치료한 결과 그중 10명이 완치되었습니다. 이제 이 새로운 데이터를 반영해 사후 분포를 업데이트해야 합니다!

베이지안 접근법으로는 매우 간단합니다. 이전과 유사하게 그리드 근사법을 실행하되, 사전분포만 바꾸면 됩니다. 이전 연습 문제에서 얻은 사후 분포(효과 발생률에 대한 우리의 모든 지식)를 새로운 사전분포로 사용하면 됩니다! 그런 다음, 새로운 데이터에 대한 가능도를 다시 계산해 새로운 사후 분포를 구하세요!

이전 연습 문제에서 만든 DataFrame인 df가 작업 공간에 준비되어 있으며, scipy.stats에서 binom도 이미 가져와 두었습니다.

คำแนะนำ 1 / 4

undefined XP
    1
    2
    3
    4
  • df의 posterior_prob를 new_prior라는 새 열로 지정하세요.
  • 새로운 데이터에 기반해 binom.pmf()로 new_likelihood를 계산하고, 이를 df의 새 열로 추가하세요.