가상의 데이터셋을 만드는 능력은 우리 모델링의 흥미로운 부수적인 효과이며, 이 능력이 베이지안 추론의 매우 중요한 방법임을 알 수 있다. 예를 들어 우리는 그림 2-4와 같이 몇몇 데이터셋을 추가로 만들 것이다.

 

---

def plot_artificial_sms_dataset():
    tau = pm.rdiscrete_uniform(0, 80)
    alpha = 1./20.
    lambda_1, lambda_2 = pm.rexponential(alpha, 2)
    data = np.r_[pm.rpoisson(lambda_1, tau), pm.rpoisson(lambda_2, 80 - tau)]
    plt.bar(np.arange(80), data, color=”#348ABD”)
    plt.bar(tau - 1, data[tau-1], color=“r”, label=“사용자의 행동 변화”)
    plt.xlim(0, 80)
    plt.xlabel(“시간(일수)”)
    plt.ylabel(“수신한 문자 메시지”)
figsize(12.5, 5)
plt.title(“우리의 모델을 시뮬레이션하여 얻은 가상 데이터셋 추가 예제”)
 
for i in range(4):
    plt.subplot(4, 1, i+1)
    plt.xlabel(“시간(일수)”)
    plt.ylabel(“수신한 문자 메시지”)
    plot_artificial_sms_dataset()

---