Simulera ett beta-posteriori
I de kommande övningarna kommer du att använda funktionen simulate_beta_posterior() som presenterades i det senaste videoavsnittet. I den här övningen får du en känsla för vad funktionen gör genom att utföra beräkningarna den genomför.
Du tilldelas en lista med tio myntkast, kallad tosses, där 1 står för krona, 0 för klave, och vi definierar krona som ett "lyckat utfall". För att simulera posteriorifördelningen för sannolikheten att få krona använder du ett beta-priori. Kom ihåg att om priorin är \(Beta(a, b)\), så är posteriorin \(Beta(x, y)\), med:
\(x = \text{NumberOfHeads} + a\)
\(y = \text{NumberOfTosses} - \text{NumberOfHeads} + b\)
Den här övningen är en del av kursen
Bayesiansk dataanalys i Python
Interaktiv övning med praktiskt arbete
Testa den här övningen genom att slutföra den här exempelkoden.
# Set prior parameters and calculate number of successes
beta_prior_a = ____
beta_prior_b = ____
num_successes = np.sum(____)
# Generate 10000 posterior draws
posterior_draws = np.random.beta(
____ + ____,
____ - ____ + ____,
10000)
# Plot density of posterior_draws
sns.kdeplot(posterior_draws, shade=True)
plt.show()