1. Learn
    2. /
  2. Курси
    3. /
  3. Баєсівський аналіз даних у Python
Connected

Вправа

Моделювання апостеріорних вибірок

Ви щойно вирішили використати апріорний бета-розподіл Beta(5, 2) для ймовірності ефективності. Дані ви моделюєте біноміальним розподілом (вилікування хворого пацієнта — це «успіх», пам'ятаєте?). Оскільки бета-розподіл є спряженим апріорним для біноміальної правдоподібності, ви можете просто зімітувати апостеріорний розподіл!

Відомо, що якщо апріорі має вигляд \(Beta(a, b)\), то апостеріорний розподіл — \(Beta(x, y)\), де:

\(x = NumberOfSuccesses + a\),

\(y = NumberOfObservations - NumberOfSuccesses + b\).

Чи зможете ви змоделювати апостеріорний розподіл? Нагадаємо, що загалом є дані про 22 пацієнтів, з яких 19 були вилікувані. numpy і seaborn уже імпортовано як np та sns відповідно.

Інструкції

100 XP
  • Присвойте кількість пацієнтів, яких лікували, та кількість вилікуваних змінним num_patients_treated і num_patients_cured відповідно.
  • Використайте відповідну функцію numpy, щоб отримати вибірку з апостеріорного розподілу, і присвойте результат змінній posterior_draws.
  • Побудуйте графік апостеріорного розподілу, використавши відповідну функцію seaborn.