Bắt đầu ngayBắt đầu miễn phí

Mô phỏng các mẫu hậu nghiệm

Bạn vừa quyết định dùng prior Beta(5, 2) cho tỷ lệ hiệu quả. Bạn cũng đang dùng phân phối nhị thức để mô hình hóa dữ liệu (chữa khỏi một bệnh nhân là một "thành công", nhớ chứ?). Vì phân phối beta là prior liên hợp cho hàm khả năng nhị thức, bạn có thể đơn giản mô phỏng hậu nghiệm!

Bạn biết rằng nếu prior là \(Beta(a, b)\), thì hậu nghiệm là \(Beta(x, y)\), với:

\(x = NumberOfSuccesses + a\),

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

Bạn có thể mô phỏng phân phối hậu nghiệm không? Nhắc lại là tổng cộng bạn có dữ liệu của 22 bệnh nhân, trong đó 19 người đã được chữa khỏi. numpy và seaborn đã được nhập sẵn lần lượt là np và sns.

Bài tập này là một phần của khóa học

Phân tích dữ liệu Bayesian với Python

Xem khóa học

Hướng dẫn bài tập

  • Gán số bệnh nhân đã điều trị và đã chữa khỏi lần lượt vào num_patients_treated và num_patients_cured.
  • Dùng hàm numpy phù hợp để lấy mẫu từ phân phối hậu nghiệm và gán kết quả vào posterior_draws.
  • Vẽ phân phối hậu nghiệm bằng hàm seaborn phù hợp.

Bài tập tương tác thực hành trực tiếp

Hãy thử làm bài tập này bằng cách hoàn thành đoạn mã mẫu này.

# 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()
Chỉnh sửa và Chạy Mã