1. Nauka
    2. /
  2. Kursy
    3. /
  3. Bayesowska analiza danych w Pythonie
Connected

ćwiczenie

Aproksymacja siatką bez wiedzy a priori

Zgodnie z wynikami eksperymentu, spośród 10 chorych pacjentów leczonych danym lekiem, 9 zostało wyleczonych. Co możesz powiedzieć o skuteczności leku na podstawie tak małej próbki? Przyjmij, że nie masz żadnej wiedzy a priori na temat jego działania.

W przestrzeni roboczej dostępna jest ramka danych df zawierająca wszystkie możliwe kombinacje liczby wyleczonych pacjentów i współczynnika skuteczności, którą utworzyłeś w poprzednim ćwiczeniu.

Z biblioteki scipy.stats zaimportowano dla ciebie uniform i binom. Biblioteki pandas i seaborn są dostępne jako pd i sns.

Instrukcje 1/4

undefined XP
    1
    2
    3
    4
  • Oblicz jednostajny rozkład a priori (prior) dla efficacy_rate za pomocą uniform.pdf() i przypisz go jako nową kolumnę do df.
  • Oblicz wiarygodność dwumianową (likelihood) za pomocą binom.pmf(), przekazując liczbę „sukcesów", całkowitą liczbę obserwacji oraz „prawdopodobieństwo sukcesu", i przypisz wynik jako nową kolumnę do df.