베이지안 모델을 설정하려면 미지의 양에 사전확률분포를 할당해야 한다. 우리가 pA라고 생각한 사전확률분포는 무엇인가? 이번 예제에서는 pA에 대한 확신이 강하지 않다. 따라서 지금은 pA를 [0,1]에 대한 균등분포로 가정하자.
import pymc as pm # 모수는 Uniform 범위 내이다. p = pm.Uniform('p', lower=0, upper=1)
이 예제에서 pA = 0.05, A 사이트에 노출된 사용자 수 N = 1,500이라고 가정하자. 우리는 사용자가 구매를 했는지 혹은 하지 않았는지 여부를 시뮬레이션할 것이다. N번 시행하여 이를 시뮬레이션하기 위해 베르누이분포(Bernoulli distribution)를 사용하겠다. 베르누이분포는 이진확률변수(0 또는 1만 가능한)이고, 우리의 관측치도 이진적이므로(전환했는지 하지 않았는지) 이 예제에 적합하다.
좀더 공식을 사용해 말하면, X ~ Berp(p)라면 X는 p의 확률로 1이고, 1 - p의 확률로 0이다. 물론 실제로 우리는 pA를 알지 못하지만, 이것을 사용하여 가상의 데이터를 시뮬레이션할 것이다.