更新後驗信念
上一題你已經成功估計藥效比率的後驗分佈，做得很好！不過，由於樣本數偏少，該分佈相當寬，代表我們對藥物品質仍有不少不確定性。幸運的是，藥物測試持續進行，又新增了一組 12 位病患，其中有 10 位痊癒。我們需要用這批新資料來更新後驗分佈！
在貝氏方法下，這很容易。和先前一樣執行格點近似即可，但要換一個不同的先驗。我們可以把對藥效比率的所有既有知識（也就是上一題得到的後驗分佈）當作新的先驗！接著，根據新資料重新計算概似，就能得到新的後驗！
你在上一題建立的 DataFrame df 已經在工作環境中，另外也已為你從 scipy.stats 匯入了 binom。
本練習屬於課程
Bayesian Data Analysis in Python
動手互動練習
試著完成這個範例程式碼，體驗一下這個練習。
# Assign old posterior to new prior and calculate likelihood
df["new_prior"] = ____
df["new_likelihood"] = ____(df["num_patients_cured"], ____, df["efficacy_rate"])