Actualizarea credinței posterioare

Felicitări pentru estimarea distribuției posterioare a ratei de eficacitate în exercițiul anterior! Din păcate, din cauza unui eșantion mic de date, această distribuție este destul de largă, ceea ce indică o incertitudine ridicată privind calitatea medicamentului. Din fericire, testarea medicamentului continuă, iar un grup de alți 12 pacienți bolnavi au fost tratați, dintre care 10 s-au vindecat. Trebuie să actualizăm distribuția noastră posterioară cu aceste date noi!

Cu abordarea bayesiană, acest lucru este simplu de realizat. Trebuie doar să rulăm aproximarea pe grilă similar ca înainte, dar cu un prior diferit. Putem folosi toate cunoștințele noastre despre rata de eficacitate (întruchipate de distribuția posterioară din exercițiul anterior) ca nou prior! Apoi, recalculăm funcția de verosimilitate pentru noile date și obținem noul posterior!

DataFrame-ul creat în exercițiul anterior, df, este disponibil în spațiul de lucru, iar binom a fost importat pentru tine din scipy.stats.

Atribuie posterior_prob din df unei noi coloane numite new_prior.
Calculează new_likelihood folosind binom.pmf() pe baza noilor date și atribuie-o ca o nouă coloană în df.

.css-6su6fj{-webkit-flex-shrink:0;-ms-flex-negative:0;flex-shrink:0;}exercițiu

Instrucțiuni 1/4

exercițiu