PyMC3 Model解读

Question

我对 PyMC3 很陌生，所以我一直在尝试它，试图学习如何使用它。

我想尝试 model Think Bayes一书中的“欧元问题”。 快速总结问题：

• 一枚硬币被抛了 250 次
• 140头110尾
• 这是一枚公平的硬币吗？ （正面朝上的概率是 0.5 吗？）

为了用 PyMC3 model 它，我做了以下事情：

trials = 250
heads  = 140
tails  = 110

observations = np.array([
  [1] * heads +
  [0] * tails
])

with pm.Model() as model:
    p_heads = pm.Uniform('p_heads',lower=0,upper=1.0)
    coin_flips = pm.Bernoulli('coin_flips',p=p_heads,observed=observations)
    trace = pm.sample(40_000)

然后我绘制了 p_heads 的跟踪并得到以下信息：

查看 plot，看起来p = 0.5的可能性很低，但我如何才能从 model 中获得更多具体预测？ 例如，我想我想知道：

• p = 0.5的可能性是多少？
• 模型对p的预测值是多少？