---

figsize(12.5, 3)
# 사후확률분포의 히스토그램
 
plt.xlim(0, .1)
plt.hist(p_A_samples, histtype=‘stepfilled’, bins=30, alpha=0.80,
         label=”$p_A$의 사후확률분포”, color=”#A60628”, normed=True)
 
plt.hist(p_B_samples, histtype=‘stepfilled’, bins=30, alpha=0.80,
         label=”$p_B$의 사후확률분포”, color=”#467821”, normed=True)
plt.legend(loc=“upper right”)
plt.xlabel(“값”)
plt.ylabel(“밀도”)
plt.title(”$p_A$와 $p_B$의 사후확률분포”)
plt.ylim(0,80);

---

 

▲ 그림 2-7 p_A와 p_B의 사후확률분포

 

그림 2-7에서 delta의 사후확률분포 대부분이 delta = 0 이상임을 볼 수 있다. 이 사실은 A 사이트의 응답이 B 사이트보다 낫다는 것을 의미한다. 이 추론이 부정확할 확률은 다음과 같이 간단히 계산할 수 있다.