1. Learn
    2. /
  2. Courses
    3. /
  3. Bayesowska analiza danych w Pythonie
Connected

Exercise

Analiza próbek z rozkładu a posteriori

Kontynuujesz pracę nad zadaniem polegającym na przewidywaniu liczby wypożyczeń rowerów dziennie w systemie roweru miejskiego. Próbki z rozkładu a posteriori uzyskane z twojego modelu regresji są dostępne w przestrzeni roboczej jako trace_1.

Wiesz, że po uzyskaniu rozkładów a posteriori dobrą praktyką jest ich sprawdzenie – warto upewnić się, czy wyniki mają sens i czy proces MCMC zakończył się poprawną zbieżnością. W tym ćwiczeniu stworzysz dwa wykresy wizualizujące próbki a posteriori oraz podsumowanie ich statystyk w tabeli. Przyjrzyjmy się naszym posteriorom!

UWAGA: Generowanie wykresów może potrwać do pół minuty, ponieważ zawierają one wiele próbek do przetworzenia.

Instructions 1/2

undefined XP
    1
    2
  • Zaimportuj pymc3 pod standardowym aliasem pm.
  • Narysuj wykres śladu (trace plot) dla trace_1.
  • Narysuj wykres leśny (forest plot) dla trace_1.