Symulowanie posteriori beta
W kilku kolejnych ćwiczeniach będziesz korzystać z funkcji simulate_beta_posterior(), której definicję poznałeś w ostatnim filmie. W tym ćwiczeniu lepiej zrozumiesz, co ta funkcja robi, wykonując obliczenia, które ona przeprowadza.
Dana jest lista dziesięciu rzutów monetą o nazwie tosses, w której 1 oznacza orła, 0 – reszkę, a orzeł jest traktowany jako „sukces". Do symulowania posteriori prawdopodobieństwa wyrzucenia orła użyjesz priori beta. Przypomnij sobie, że jeśli priori to \(Beta(a, b)\), to posteriori to \(Beta(x, y)\), gdzie:
\(x = \text{NumberOfHeads} + a\)
\(y = \text{NumberOfTosses} - \text{NumberOfHeads} + b\)
To ćwiczenie jest częścią kursu
Bayesowska analiza danych w Pythonie
Interaktywne ćwiczenie praktyczne
Spróbuj tego ćwiczenia, uzupełniając ten przykładowy kod.
# 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()