▲ 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”)