Assaggiamo Bayes

Analisi dei dati bayesiana in Python

Michal Oleszak

Machine Learning Engineer

Distribuzione binomiale

Una distribuzione discreta può assumere solo due valori:
- Successo (1)
- Insuccesso (0)
Un parametro: probabilità di successo.
Obiettivo: data una lista di lanci (successi e insuccessi), stimare la probabilità di successo.

Distribuzione binomiale in Python

Numero di successi in 100 prove:

import numpy as np
np.random.binomial(100, 0.5)

np.random.binomial(100, 0.5)

Ottieni estrazioni da una binomiale:

import numpy as np
np.random.binomial(1, 0.5, size=5)

array([1, 0, 0, 1, 1])

Probabilità di testa

get_heads_prob() - una funzione personalizzata
input: una lista di lanci di moneta
output: una lista, la distribuzione della probabilità di successo

import numpy as np
tosses = np.random.binomial(1, 0.5, size=1000)
print(tosses)

[1 0 0 0 1 1 0 1 1 ... ]

Probabilità di testa

heads_prob = get_heads_prob(tosses)
print(heads_prob)

[0.47815295 0.51679212 0.51684779 ... ]

import matplotlib.pyplot as plt
import seaborn as sns

sns.kdeplot(heads_prob, 
            shade=True, 
            label="heads probabilty")
plt.show()

Una curva simmetrica a campana con picco intorno a 0,51 sull'asse X.

Lanciamo qualche moneta!

Analisi dei dati bayesiana in Python