1. Learn
    2. /
  2. 课程
    3. /
  3. Python 中的贝叶斯数据分析
Connected

道练习

抛硬币

在视频中，您已经看到自定义函数 get_heads_prob()，它用于估计二项分布的成功概率。本练习中，您将亲自使用它，并在一个抛硬币实验中验证它是否工作良好。

请注意不要混淆：这里涉及两种不同的概率分布！一种是用于建模抛硬币的二项分布。它是离散分布，只有两个取值（正面或反面），并以成功概率（抛到正面）为参数。该参数的贝叶斯估计则是另一种连续的概率分布。我们并不知道它的确切形式，但可以用 get_heads_prob() 来估计并将其可视化。

numpy 和 seaborn 已分别以 np 和 sns 导入。

说明

100 XP
  • 生成 1000 次抛硬币结果（0 和 1），正面概率为 50%，赋值给变量 tosses。
  • 使用 tosses 和 get_heads_prob() 函数估计正面概率，并将结果赋给 heads_prob。
  • 绘制您刚刚估计得到的正面概率分布的密度图。