▲ 그림 2-16 두 가지 실현값을 포함한 결함확률의 사후적 기댓값

 

또한, 그림 2-16에 구현 가능한 실제 내부 시스템 두 가지를 나타내었다. 다른 제비뽑기와 마찬가지로 두 가지 확률은 같다. 파란 선은 가능한 점선 20,000개를 모두 평균 낼 때 발생한다.

흥미로운 질문은 “결함확률에 대해 우리는 어떤 온도에서 가장 확신이 없는가?”다. 각 온도에 대해서 기댓값과 그에 연관된 95% 신뢰구간(credible intervals, CI)을 그림 2-17에 나타내었다.

 

---

from scipy.stats.mstats import mquantiles
 
# 신뢰구간을 위해 맨 아래부터 상위 2.5% 퀀타일(quantile)을 벡터화한다.
qs = mquantiles(p_t, [0.025, 0.975], axis=0)
plt.fill_between(t[:, 0], *qs, alpha=0.7, color=”#7A68A6”)
 
plt.plot(t[:, 0], qs[0], label=“95% CI”, color=”#7A68A6”, alpha=0.7)
 
plt.plot(t, mean_prob_t, lw=1, ls=”–”, color=“k”, label=“결함확률에 대한 평균 사후확률”)
 
plt.xlim(t.min(), t.max())
plt.ylim(-0.02, 1.02)
plt.legend(loc=“lower left”)
plt.scatter(temperature, D, color=“k”, s=50, alpha=0.5)
plt.xlabel(“기온, $t$”)
plt.ylabel(“확률추정치”)
plt.title(“주어진 기온 $t$에서 추정치의 사후적 확률값”)

---