Page 19 -

1. DiscreteUniform(0, 80)에서 표본을 추출하여 사용자의 행동 변화 시점을 명시한다.

tau = pm.rdiscrete_uniform(0, 80)
print(tau)

결과
29

2. Exp(α) 분포에서 λ 과 λ 를 뽑는다.
1
2
alpha = 1./20.
lambda_1, lambda_2 = pm.rexponential(alpha, 2)
print(lambda_1, lambda_2)

결과
27.5189090326 6.54046888135

3. τ 이전 며칠 동안 λ = λ 이고, τ 이후 며칠 동안 λ = λ 이다.
2
1
lambda_ = np.r_[ lambda_1*np.ones(tau), lambda_2*np.ones(80-tau) ]
print(lambda_)

결과
[ 27.519 27.519 27.519 27.519 27.519 27.519 27.519 27.519
27.519 27.519 27.519 27.519 27.519 27.519 27.519 27.519
27.519 27.519 27.519 27.519 27.519 27.519 27.519 27.519
27.519 27.519 27.519 27.519 27.519 6.54 6.54 6.54
6.54 6.54 6.54 6.54 6.54 6.54 6.54 6.54
6.54 6.54 6.54 6.54 6.54 6.54 6.54 6.54
6.54 6.54 6.54 6.54 6.54 6.54 6.54 6.54
6.54 6.54 6.54 6.54 6.54 6.54 6.54 6.54
6.54 6.54 6.54 6.54 6.54 6.54 6.54 6.54
6.54 6.54 6.54 6.54 6.54 6.54 6.54 6.54 ]

4. τ 이후 며칠 동안 Poi(λ )에서 표본추출하고, Poi(λ )에서 표본추출한다. 예를 들어
2
1
data = pm.rpoisson(lambda_)
print(data)

058

베이지안_11.indd 58 2017-11-17 오전 11:07:25