擲硬幣
在影片中，你看過我們的自訂函式 get_heads_prob()，用來估計二項分配的成功機率。在這個練習中，你會親自使用它，並在一個擲硬幣的實驗中驗證它是否運作良好。
請留意不要混淆：這裡牽涉到兩種不同的機率分配！第一種是二項分配，我們用它來建模擲硬幣。它是離散分配，只有兩種可能值（正面或反面），以成功機率（擲到正面）為參數。這個參數的貝葉斯估計則是另一種連續的機率分配。我們不知道它的確切形式，但可以用 get_heads_prob() 來估計並將其視覺化。
numpy 與 seaborn 已分別以 np 與 sns 匯入。
本練習屬於課程
Bayesian Data Analysis in Python
練習說明
- 產生一個包含 1000 次擲硬幣結果（0 與 1），且擲到正面的機率為 50% 的清單，指派給變數
tosses。 - 使用
tosses與get_heads_prob()來估計正面機率，並將結果指派給heads_prob。 - 繪製你剛估計出的正面機率分配的機率密度圖。
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。
# Generate 1000 coin tosses
tosses = ____(____, ____, ____)
# Estimate the heads probability
heads_prob = ____
# Plot the distribution of heads probability
____(____, shade=True, label="heads probabilty")
plt.show()