Сравните эту гистограмму с графиком, который строит сама prop_model (его можно найти, перейдя к предыдущему графику во вкладке Plots). Вы заметите, что гистограмма и апостериорное распределение (при n=13) описывают одно и то же распределение.

Итак, вы получили вектор значений из prop_model и убедились, что они хорошо представляют апостериорное распределение. Что это вам даёт? Пока немного, но следующее упражнение покажет, почему работать с выборками так удобно. Прежде чем перейти к нему:

Сделайте гистограмму более наглядной, добавив аргументы:
- breaks = 30 — чтобы сделать её более сглаженной.
- xlim = c(0, 1) — чтобы охватить весь диапазон возможных долей от 0 до 1.
- col = "palegreen4" — чтобы выбрать цвет, подходящий для статистики зомби.

Выборки и сводные характеристики апостериорного распределения

Create Your Free Account