관찰된 데이터로 우리의 모델을 학습시켰다. 이제 사후확률분포로부터 표본을 추출할 수 있다. α와 β에 대한 사후확률분포를 살펴보자(그림 2-15).

 

---

alpha_samples = mcmc.trace('alpha')[:, None]  # 1차원으로 만드는 게 좋다.
beta_samples = mcmc.trace('beta')[:, None]

figsize(12.5, 6)

# 표본의 히스토그램
plt.subplot(211)
plt.title("모델의 모수 $\alpha$와 $\beta$의 사후확률분포")
plt.hist(beta_samples, histtype='stepfilled', bins=35, alpha=0.85,label=r"$\beta$의 사후확률분포", color="#7A68A6", normed=True)
plt.legend()

plt.subplot(212)
plt.hist(alpha_samples, histtype='stepfilled', bins=35, alpha=0.85,
         label=r"$\alpha$의 사후확률분포", color="#A60628", normed=True)
plt.xlabel("모수의 값")
plt.ylabel("밀도")
plt.legend();

---

 

▲ 그림 2-15 모델의 모수 α와 β의 사후확률분포