Підкидання монети
У відео ви бачили нашу користувацьку функцію get_heads_prob(), яка оцінює імовірність успіху біноміального розподілу. У цій вправі ви використаєте її самостійно та перевірите, чи добре вона працює в експерименті з підкиданням монети.
Зверніть увагу на можливу плутанину: тут задіяно два різні розподіли ймовірностей! Перший — біноміальний, яким ми моделюємо підкидання монети. Це дискретний розподіл із двома можливими значеннями (орел або решка), параметризований імовірністю успіху (випадання орла). Байєсівська оцінка цього параметра — інший, неперервний розподіл імовірностей. Ми не знаємо, який саме це розподіл, але можемо оцінити його за допомогою get_heads_prob() і візуалізувати.
numpy і seaborn вже імпортовано для вас як np та sns відповідно.
Ця вправа є частиною курсу
Баєсівський аналіз даних у Python
Інструкції до вправи
- Згенеруйте список із 1000 підкидань монети (0 та 1) з 50% імовірністю випадання орла і присвойте його змінній
tosses. - Використайте
tossesі функціюget_heads_prob()для оцінки імовірності орла та запишіть результат уheads_prob. - Побудуйте графік щільності розподілу щойно оціненої імовірності орла.
Інтерактивна практична вправа
Спробуйте виконати цю вправу, доповнивши цей зразок коду.
# Generate 1000 coin tosses
tosses = ____(____, ____, ____)
# Estimate the heads probability
heads_prob = ____
# Plot the distribution of heads probability
____(____, shade=True, label="heads probabilty")
plt.show()