우리는 확률을 가지고 있지만, 확률을 어떻게 관찰된 데이터에 연결할 수 있을까? 이때 2.2.3절에서 소개한 베르누이 확률변수를 사용할 수 있다. 따라서 우리의 모델은 다음과 같다.

결함사고,

 

여기서 p(t)는 우리의 로지스틱함수이고, t_i는 관측한 온도다. 코드에서 beta와 alpha의 값을 0으로 설정한 것에 주목하라. 이렇게 한 이유는 beta와 alpha가 너무 크면 p는 1 또는 0이 되기 때문이다. 유감스럽게도 pm.Bernoulli는 수학적으로 잘 정의된 확률이지만, 정확하게 0 또는 1의 확률과 같지는 않을 것이다. 그래서 계수 값(beta와 alpha)을 0으로 설정함으로써 우리는 p 값을 합리적인 시작값으로 설정한다. 이것은 결과에 영향을 주지 않고, 우리가 사전확률에 어떤 부가적인 정보를 포함한다는 의미도 아니다. 단지 PyMC에서 계산상의 주의(경고)다.

 

---

p.value

---

 

 

결과

array([ 0.5,  0.5,  0.5,  0.5,  0.5,  0.5,  0.5,  0.5,  0.5,  0.5,  0.5,
        0.5,  0.5,  0.5,  0.5,  0.5,  0.5,  0.5,  0.5,  0.5,  0.5,  0.5,
        0.5])

---