Lançando uma moeda
No vídeo, você viu nossa função personalizada get_heads_prob() que estima a probabilidade de sucesso de uma distribuição binomial. Neste exercício, você vai usá-la e verificar se ela faz bem o seu trabalho em um experimento de lançamento de moeda.
Atenção para não confundir: há duas distribuições de probabilidade diferentes envolvidas! Uma é a binomial, que usamos para modelar os lançamentos da moeda. É uma distribuição discreta com dois valores possíveis (cara ou coroa) parametrizada pela probabilidade de sucesso (sair cara). A estimativa Bayesiana desse parâmetro é outra distribuição de probabilidade, contínua. Não sabemos exatamente qual é essa distribuição, mas podemos estimá-la com get_heads_prob() e visualizá-la.
numpy e seaborn já foram importados como np e sns, respectivamente.
Este exercício faz parte do curso
Análise de Dados Bayesiana em Python
Instruções do exercício
- Gere uma lista com 1000 lançamentos de moeda (0s e 1s) com 50% de chance de sair cara e atribua à variável
tosses. - Use
tossese a funçãoget_heads_prob()para estimar a probabilidade de cara e atribua o resultado aheads_prob. - Faça um gráfico de densidade da distribuição da probabilidade de cara que você acabou de estimar.
Exercício interativo prático
Experimente este exercício completando este código de exemplo.
# Generate 1000 coin tosses
tosses = ____(____, ____, ____)
# Estimate the heads probability
heads_prob = ____
# Plot the distribution of heads probability
____(____, shade=True, label="heads probabilty")
plt.show()