Simuleer beta-posterieur
In de komende paar oefeningen ga je de functie simulate_beta_posterior() gebruiken die je in de vorige video hebt gezien. In deze oefening krijg je gevoel voor wat de functie doet door de berekeningen zelf uit te voeren.
Je krijgt een lijst met tien muntworpen, tosses, waarin 1 staat voor kop, 0 voor munt, en we definiëren kop als een "succes". Om de posterior-kans op kop te simuleren, gebruik je een beta-prior. Onthoud: als de prior \(Beta(a, b)\) is, dan is de posterior \(Beta(x, y)\), met:
\(x = \text{NumberOfHeads} + a\)
\(y = \text{NumberOfTosses} - \text{NumberOfHeads} + b\)
Deze oefening maakt deel uit van de cursus
Bayesian Data Analysis in Python
Praktische interactieve oefening
Probeer deze oefening eens door deze voorbeeldcode in te vullen.
# Set prior parameters and calculate number of successes
beta_prior_a = ____
beta_prior_b = ____
num_successes = np.sum(____)
# Generate 10000 posterior draws
posterior_draws = np.random.beta(
____ + ____,
____ - ____ + ____,
10000)
# Plot density of posterior_draws
sns.kdeplot(posterior_draws, shade=True)
plt.show()