Przedziały wiarygodności największej gęstości a posteriori
Wiesz, że samo podawanie estymatorów punktowych nie wystarczy. Warto uzupełnić wyniki o miarę niepewności szacowanej skuteczności leku – masz do tego wszelkie narzędzia. Postanawiasz dodać do notatki następującą informację.
Wyniki eksperymentu wskazują, że z prawdopodobieństwem 90% skuteczność nowego leku wynosi od ___ do ___, a z prawdopodobieństwem 95% – od ___ do ___.
Musisz obliczyć dwa przedziały wiarygodności: jeden o prawdopodobieństwie 90% i drugi o prawdopodobieństwie 95%. Tablica drug_efficacy_posterior_draws jest nadal dostępna w twoim środowisku.
To ćwiczenie jest częścią kursu
Bayesowska analiza danych w Pythonie
Instrukcje do ćwiczenia
- Zaimportuj bibliotekę
arvizjakoaz. - Oblicz przedział wiarygodności największej gęstości a posteriori na poziomie 90% i przypisz go do zmiennej
ci_90. - Oblicz przedział wiarygodności największej gęstości a posteriori na poziomie 95% i przypisz go do zmiennej
ci_95.
Interaktywne ćwiczenie praktyczne
Spróbuj tego ćwiczenia, uzupełniając ten przykładowy kod.
# Import arviz as az
____
# Calculate HPD credible interval of 90%
ci_90 = ____.____(____, ____=____)
# Calculate HPD credible interval of 95%
ci_95 = ____
# Print the memo
print(f"The experimental results indicate that with a 90% probability \nthe new drug's efficacy rate is between {np.round(ci_90[0], 2)} and {np.round(ci_90[1], 2)}, \nand with a 95% probability it is between {np.round(ci_95[0], 2)} and {np.round(ci_95[1], 2)}.")