다음 코드는 3장에서 설명하겠다. 여기서 미리 보여주는 이유는 결과가 어디서 나오는지 보여주고자 함이다. 이를 학습 단계라고 볼 수 있다. 여기서 사용한 메커니즘은 마르코프 체인 몬테카를로(Markov Chain Monte Carlo, MCMC)라고 하며, 3장에서 설명하겠다. 이 기법은 λ₁과 λ₂ 그리고 τ의 사후확률분포로부터 수천 개의 확률변수를 반환한다. 확률변수들의 히스토그램을 그려보면 사후확률분포가 어떻게 생겼는지 볼 수 있다. 다음으로 우리는 표본(MCMC 문헌에서 ‘트레이스(trace)’라고 부르는)을 모아 히스토그램으로 만든다. 그림 1-6은 표본을 히스토그램으로 나타낸 것이다.

 

---

# 3장에서 이 코드를 설명할 것이다.
# 30,000 (= 40,000 - 10,000)개의 표본을 돌려받을 것이다.
mcmc = pm.MCMC(model)
mcmc.sample(40000, 10000)

---

 

 

결과

[—————–100%—————–] 40000 of 40000 complete in 4.5 sec

---