模拟 beta 后验分布
在接下来的几个练习中，您将使用上一个视频中定义的 simulate_beta_posterior() 函数。本练习中，您将通过亲自执行该函数所做的计算，来理解它的工作原理。
给您提供了一个包含 10 次抛硬币结果的列表 tosses，其中 1 表示正面，0 表示反面，并将正面视为"成功"。为了模拟抛出正面的后验概率，您将使用 beta 先验。回顾一下，如果先验为 $Beta(a, b)$，则后验为 $Beta(x, y)$，其中：
\(x = \text{NumberOfHeads} + a\)
\(y = \text{NumberOfTosses} - \text{NumberOfHeads} + b\)
本练习是课程的一部分
Python 中的贝叶斯数据分析
交互式实操练习
通过完成这段示例代码来试试这个练习。
# Set prior parameters and calculate number of successes
beta_prior_a = ____
beta_prior_b = ____
num_successes = np.sum(____)
# Generate 10000 posterior draws
posterior_draws = np.random.beta(
____ + ____,
____ - ____ + ____,
10000)
# Plot density of posterior_draws
sns.kdeplot(posterior_draws, shade=True)
plt.show()