ÎncepețiÎncepe gratuit

Simularea eșantioanelor posterioare

Tocmai ai decis să folosești un prior Beta(5, 2) pentru rata de eficacitate. Folosești, de asemenea, distribuția binomială pentru a modela datele (vindecarea unui pacient bolnav este un „succes", îți amintești?). Deoarece distribuția beta este un prior conjugat pentru funcția de verosimilitate binomială, poți pur și simplu simula distribuția posterioară!

Știi că, dacă priorul este \(Beta(a, b)\), atunci posteriorul este \(Beta(x, y)\), unde:

\(x = NumărSuccese + a\),

\(y = NumărObservații - NumărSuccese + b\).

Poți simula distribuția posterioară? Reține că în total ai date despre 22 de pacienți, dintre care 19 au fost vindecați. numpy și seaborn au fost importate pentru tine ca np, respectiv sns.

Acest exercițiu face parte din cursul

Analiza bayesiană a datelor în Python

Vezi cursul

Instrucțiuni pentru exercițiu

  • Atribuie numărul de pacienți tratați și vindecați variabilelor num_patients_treated, respectiv num_patients_cured.
  • Folosește funcția corespunzătoare din numpy pentru a extrage eșantioane din distribuția posterioară și atribuie rezultatul variabilei posterior_draws.
  • Reprezintă grafic distribuția posterioară folosind funcția corespunzătoare din seaborn.

Exercițiu interactiv practic

Încearcă acest exercițiu completând acest cod de exemplu.

# Define the number of patients treated and cured
num_patients_treated = ____
num_patients_cured = ____

# Simulate 10000 draws from the posterior distribuition
posterior_draws = ____(____ + ____, ____ - ____ + ____, 10000)

# Plot the posterior distribution
____(____, shade=True)
plt.show()
Editează și rulează codul