6.1 There is an urn containing 9 balls, which can be either green or red.

The number of red balls in the

urn is not known. One ball is drawn at random from the urn, and its color is observed.

a) What is the Bayesian universe of the experiment.

Culoare roșie Culoare verde

0 1 0
1 1 0
2 1 0
3 1 0
4 1 0
5 1 0
6 1 0
7 1 0
8 1 0
9 1 0

Culoare roșie Culoare verde

0 0 1
1 0 1
2 0 1
3 0 1
4 0 1
5 0 1
6 0 1
7 0 1
8 0 1
9 0 1

b) Let X be the number of red balls in the urn. Assume that all possible values of X from 0 to 9 are equally
likely. Let Y1 =1 if the first ball drawn is red, and Y1=0 otherwise. Fill in the joint probability table for X and
Y1 given below:
 X aprior Y1 = 0 (prima bila nu este rosie) Y1 = 1 (prima bila este rosie)
0 1/10 1/10 * 9/9 = 9/90 1/10 * 0/9 = 0/90
1 1/10 1/10 * 8/9 = 8/90 1/10 * 1/9 = 1/90
2 1/10 1/10 * 7/9 = 7/90 1/10 * 2/9 = 2/90
3 1/10 1/10 * 6/9 = 6/90 1/10 * 3/9 = 3/90
4 1/10 1/10 * 5/9 = 5/90 1/10 * 4/9 = 4/90
5 1/10 1/10 * 4/9 = 4/90 1/10 * 5/9 = 5/90
6 1/10 1/10 * 3/9 = 3/90 1/10 * 6/9 = 6/90
7 1/10 1/10 * 2/9 = 2/90 1/10 * 7/9 = 7/90
8 1/10 1/10 * 1/9 = 1/90 1/10 * 8/9 = 8/90
9 1/10 1/10 * 0/9 = 0/90 1/10 * 9/9 = 9/90
Suma pe coloana = 45/90 Suma pe coloana = 45/90

c) Find the marginal distribution of Y 1 and put it in the table.

Suma pe coloana = 45/90 Suma pe coloana = 45/90

d) Suppose a red ball was drawn. What is the reduced Bayesian universe?

Din matricea originala cu toate posibilitatile de extragere, se preiau doar cazurile atunci cand prima bila
extrasa este rosie, adica:

Y1 = 1 (prima bila este rosie)

1/10 * 0/9 = 0/90
1/10 * 1/9 = 1/90
1/10 * 2/9 = 2/90
1/10 * 3/9 = 3/90
1/10 * 4/9 = 4/90
1/10 * 5/9 = 5/90
1/10 * 6/9 = 6/90
1/10 * 7/9 = 7/90
1/10 * 8/9 = 8/90
1/10 * 9/9 = 9/90
Suma pe coloana = 45/90

e) Calculate the posterior probability distribution of X .

Distributia probabilitatilor aposterioare se calculeaza prin raportul dintre likelihood * probabilitatea

apriori si suma tuturor likelihood, obtinand urmatoarele rezultate:
 X aprior likelihood Aprior * likelihood Aposterior
0 1/10 0/9 1/10 * 0/9 = 0/90 (0/90) / (45/90) = 0/45
1 1/10 1/9 1/10 * 1/9 = 1/90 (1/90) / (45/90) = 1/45
2 1/10 2/9 1/10 * 2/9 = 2/90 (2/90) / (45/90) = 2/45
3 1/10 3/9 1/10 * 3/9 = 3/90 (3/90) / (45/90) = 3/45
4 1/10 4/9 1/10 * 4/9 = 4/90 (4/90) / (45/90) = 4/45
5 1/10 5/9 1/10 * 5/9 = 5/90 (5/90) / (45/90) = 5/45
6 1/10 6/9 1/10 * 6/9 = 6/90 (6/90) / (45/90) = 6/45
7 1/10 7/9 1/10 * 7/9 = 7/90 (7/90) / (45/90) = 7/45
8 1/10 8/9 1/10 * 8/9 = 8/90 (8/90) / (45/90) = 8/45
9 1/10 9/9 1/10 * 9/9 = 9/90 (9/90) / (45/90) = 9/45
Suma pe coloana = 45/90 Suma pe coloana = 45/45 = 1

f) Find the posterior distribution of X by filling in the simplified table:

6.3 Suppose we look at the two draws from the urn (without replacement) as a single experiment. The
results were first draw red, second draw green. Fiind the posterior distribution of X by filling in the
simplified table.

Apriori likelihood Apriori * likelihood Aposteriori

0 1/10 0/9 * 1 1/10 * 0/9 * 1 = 0/90(*8=0/720) (0/720) / (120/720) = 0/120
1 1/10 1/9 * 8/8 1/10 * 1/9 * 8/8 = 8/720 (8/720) / (120/720) = 8/120
2 1/10 2/9 * 7/8 1/10 * 2/9 * 7/8 = 14/720 (14/720) / (120/720) = 14/120
3 1/10 3/9 * 6/8 1/10 * 3/9 * 6/8 = 18/720 (18/720) / (120/720) = 18/120
4 1/10 4/9 * 5/8 1/10 * 4/9 * 5/8 = 20/720 (20/720) / (120/720) = 20/120
5 1/10 5/9 * 4/8 1/10 * 5/9 * 4/8 = 20/720 (20/720) / (120/720) = 20/120
6 1/10 6/9 * 3/8 1/10 * 6/9 * 3/8 = 18/720 (18/720) / (120/720) = 18/120
7 1/10 7/9 * 2/8 1/10 * 7/9 * 2/8 = 14/720 (14/720) / (120/720) = 14/120
8 1/10 8/9 * 1/8 1/10 * 8/9 * 1/8 = 8/720 (8/720) / (120/720) = 8/120
9 1/10 9/9 * 0/8 1/10 * 9/9 * 0/8 = 0/720 (0/720) / (120/720) = 0/120
Prob prima 120/720 720/720 = 1
bila extrasa sa
fie rosie *
a doua bila
extrasa sa fie
verde
6.5 Suppose another 5 independent trials of the experiment are performed and Y 2 = 2 succeses are
observed. Use the posterior distribution for pi from 6.4 as the prior distribution for pi. Fiind the new
posterior distribution by filling in the simplified table.
6.7 Let Y be the number of counts of a Poisson random variable with mean mu. Suppose the 5 possible
values of p are 1, 2, 3, 4, and 5. We don’t have any reason to give any possible value more weight than
any other value, so we give them equal prior weight. Y = 2 was observed. Find the posterior distribution
by filling in the simplified table.

Seminar Statistică Bayesiană

Tanasă Elena-Roxana Șoroagă Simina
6.4
Y₁ - număr de succese
n =10 încercări independente
 fiecare încercare are ca rezultat succes sau eșec
ᴨ - probabilitatea succesului
 rămâne constant pentru toate încercările
ᴨ = {0.2, 0.4, 0.6, 0.8}
Y₁ = 7
Găsirea distribuției posterioare prin completarea tabelului:
ᴨ prior likelihood prior x likelihood posterior
0,2 ¼ 0,0008 0.0002 0.0002/0.114825=0.0017
0,4 ¼ 0,0425 0.010625 0.010625/0.114825=0.0925
0,6 ¼ 0,215 0.05375 0.05375/0.114825=0.4681
 0,8 ¼ 0,201 0.05025 0.05025/0.114825=0.4376
marginal P (Y₁ = 7) 0.114825 0.9999 ≈1

 valorile likelihoodse citesc din tabelul care indică probabilitatea binomială – pag. 386 pentru
un eșantion de n = 10, y =7, pentru valorile lui ᴨ indicate mai sus
 probabilitățile posterior se calculează împărțind probabilitățile joint(prior x likelihood) la
probabilitatea marginală (suma lor); suma lor este 1

6.5
n = 5 încercări independente
Y₂=2
 probabilitățile posterior calculate la 6.4 suntprobabilitățiprior în acest exercițiu
Găsirea distribuției posterioare prin completarea tabelului:
ᴨ prior likelihood prior x likelihood posterior
0,2 0.0017 0.2048 0.00034816 0.00034816/0.16229676=0.0021
0,4 0.0925 0.3456 0.031968 0.031968/0.16229676=0.1969
0,6 0.4681 0.230 0.107663 0.107663/0.16229676=0.6633
0,8 0.4376 0.051 0.0223176 0.0223176/0.16229676=0.1375
marginal P (Y₂ = 2) 0.16229676 0.9998≈1

 valorile likelihoodse citesc din tabelul care indică probabilitatea binomială – pag. 386 pentru
un eșantion de n = 5, y =2, pentru valorile lui ᴨ indicate mai sus

6.6 n=15 incercari intr-un singur experiment

Y=9 un total de 9 succese
πϵ {0.2 , 0.4 , 0.6 , 0.8}
1
Probabilitatile anterioare egale= .
4
Care sunt probabilitatile posterioare?
ᴨ prior likelihood prior x likelihood posterior
0,2 1 0.0007 1 0.000175
∙ 0.0007=0.000175 =0.0022
4 4 0.07787
0,4 1 0.0612 1 0 . 0153
∙ 0.0612=0.0153 =0.19648
4 4 0.07787
 0,6 1 0.2066 1 0.05165
∙ 0.2066=0.05165 =0.6632
4 4 0.07787
0,8 1 0.0430 1 0.01075
∙ 0.0430=0.01075 =0.1380
4 4 0.07787
marginal P (Y = 9) Suma=0.07787 Suma=0.99993 1

Distributie Binomiala:

n!
f ( y|π ) = n π y (1−π )n− y , unde n =
()
y y ()y ! ( n− y ) !

In cazul nostru, Y=9 constant, n=15 constant

Atunci (159 )= 915!! 6 ! = 9 ! ∙ 10∙ 11∙12 ∙ 13∙ 14 ∙ 15

9! ∙ 6 !
=5005 constant , indiferent de π

 f ( y =9|π=0.2 )=5005∙ ( 0.2 )9 (0.8)15−9=¿5005∙ 0.00000051∙ 0.262=0.0007

 f ( y =9|π=0.4 )=5005 ∙(0.4 )9 (0.6)6=5005 ∙ 0.000262∙ 0.0466=0.0612

 f ( y =9|π=0.6 )=5005 ∙(0.6)9 (0.4 )6=5005 ∙0.010077 ∙ 0.004096=0.2066
 f ( y =9|π=0.8 )=5005 ∙(0.8)9 (0.2)6=5005 ∙ 0.13421∙ 0.000064=0.0430

Observatie! Rezultatele obtinute atunci cand cumulam cele doua experimente si le tratam ca unul
singur(cu n=15 incercari si Y=9 succese) sunt aceleasi ca rezultatele obtinute in cazul in care
tratam cele 2 evenimente separat(n1=10 incercari si Y 1=7 si n2 =5 incercari si Y 2=2) ca in ex 6.4
si 6.5 ., unde Y=Y 1 +Y 2 si n=n1 +n2.

6.7
Y-distribuție Poisson, cu media µ (parametrul distributiei)
µ ia valorile:1,2,3,4,5 cu aceeasi probabilitate
pentru Y a fost observata valoarea 2, Y=2.
Care sunt probabilitatile posterior?
 µ prior likelihood prior x likelihood posterior
1 1 0.1839 1 0.0367
· 0.1839=0.0367 =0.20
5 5 0.1817
2
2 1 0.2707 1 0.0541
· 0.2707=0.0541 =0.29
5 5 0.1817
77
3 1 0.2240 1 0.0448
· 0.2240=0.0448 =0.24
5 5 0.1817
65
4 1 0.1465 1 0.0293
· 0.1465=0.0293 =0.16
5 5 0.1817
5 1 0.0842 1 12
· 0.0842=0.0168
5 5 0.0168
=0.09
0.1817
24
marginal P (Y = 2) Suma=0.1817 Suma=1

1
prior= , aceeasi probabilitate pentru toate cele 5 cazuri, si suma lor=1.
5
μ y e− μ
Distribuția Poison: f ( y|μ )=
y!

-in cazul nostru, Y=2 constant, inlocuim valorile μ cu 1,2,3,4,5

12 e−1 e−1
 f y =2 μ=1 =
( | ) = =0.1839
2! 2
22 e−2 4 e−2

−2
f ( y =2|µ=2 )= = =2e =0.2707
2! 2
32 e−3 9 e−3
 f ( y =2|µ=3 )= = =0.2240
2! 2
4 2 e−4 16 e−4

−4
f y =2 µ=4 =
( | ) = =8 e =0.1465
2! 2
 52 e−5 25 e−5
 f ( y =2|µ=5 )= = =0.0842
2! 2
Putem verifica valorile calculate comparandu-le cu cele din tabelul distributiei, pag 392.
Suma=0.0367+0.0541+0.0448+0.0293+0.0168=0.1817
prior x likelihood
Posterior=
suma

8.1. Pentru a determina cât de eficientă este o revistă în atingerea publicului țintă, o
companie de cercetare de piață selectează un eșantion aleatoriu de persoane din audiența țintă și
le intervievează. Din cele 150 de persoane, 29 au văzut cel mai recent număr.
a) Care este distribuția lui y, numărul care a văzut ultima revistă?
Avem o distribuție binomială, (n=150, π)
b) Folosiți un precedent uniform pentru π pentru proporția publicului țintă care a văzut
ultimul numărul. Care este distribuția aposteriori pentru π?
Precedentul uniform pentru apriori beta(a,b) avem beta(1,1).
Iar pentru beta(a’,b’) aposteriori, avem următoarele formule:
a’ = a+y (se adaugă nr. de succese pentru a)
b’ = b+n-y (se adaugă nr. de eșecuri pentru b)
În cazul nostru, avem:
beta( (1+29), (1+150-29) = beta (30,122)

8.2. Un oraș are în vedere construirea unui nou muzeu. Lucrarea locală dorește să
stabilească nivelul de sprijin pentru acest proiect și urmează să realizeze un sondaj pentru
locuitorii orașului. Din eșantionul de 120 de persoane, 74 susțin orașul care construiește muzeul.
a) Care este distribuția lui y, numărul care sprijină clădirea?
Avem o distribuție binomială, (n=120, π)
b) Utilizați un precedent uniform pentru π, proporția publicului țintă din acel muzeu care
susține muzeul. Care este distribuția posterioară pentru π?
beta( (1+74), (1+120-74) = beta (75,47)

8.3. Sophie, redactorul ziarului studențesc, va efectua un sondaj cu studenții pentru a

determina nivelul de susținere pentru actualul președinte al asociației de studenți. Ea trebuie să-și
determine distribuția anterioară pentru π, proporția de studenți care susțin președintele. Ea decide
că media ei anterioară este 0.5, iar abaterea standard anterioară este 0.15.
a) Determinați beta (a, b) apriori care se potrivește cu credința ei apriori.
În rezolvarea acestuia ne vom folosi de medie și de abatere, astfel:
a
Din relația mediei de = 0,5 => (a+b) 0,5 = a => 0,5a + 0,5b = a => 0,5b = a-0.5a =>
a+b
0,5b = 0,5a, după care simplificăm prin 0,5 și se obține egalitatea b = a.
Cu această egalitate mergem în formula abaterii standard, care este:
a∗b
2 = 152 și înlocuim cu egalitatea de mai sus, astfel:
(a+ b) ∗(a+b+1)
 a∗a 1
2 = 0,0225, prin simplificare prin a 2, obținem = 0,0225
(a+ a) ∗(a+a+1) 4 (2 a+1)

(8a+4)0,0225=1 => 0,18a+0,09=1 => 0,18a = 0,91 => a = 5,05.

Prin egalitatea obținută mai sus, observăm că și b= 5,05. Înlocuind în formulele inițiale, se
verifică.

b) Care este mărimea echivalentă a eșantionului anterior?

Formula necesară: n eq= a + b + 1=> n eq= 5,05 + 5,05 + 1 => n eq=11.1

c) Dintre cei 68 de studenți pe care sondează, y = 21 susțin actualul președinte.

Determinați distribuția ei aposteriori.
Pentru beta(a’,b’) aposteriori, avem următoarele formule:
a’= a + y (se adaugă nr. de succese pentru a)
a’ = 5,05 + 21
a’ = 26,05

b’ = b + n - y (se adaugă nr. de eșecuri pentru b)

b’ = 5,05 + 68 – 21
b’ = 52,05

beta (26,05;52,05)

8.4. Veți lua un eșantion aleatoriu de alegători într-un oraș pentru a estima proporția π
care susține oprirea fluorizării alimentării municipale cu apă. Înainte de a analiza datele, aveți
nevoie de o distribuție prealabilă pentru π. Decideți că media dvs. anterioară este 0.4, iar abaterea
dvs. standard anterioară este 0.l.
a) Determinați beta (a, b) apriori care se potrivește cu credința ei apriori.
În rezolvarea acestuia ne vom folosi de medie și de abatere, astfel:
a
Din relația mediei de = 0,4 => (a+b) 0,4 = a => 0,4a + 0,4b = a => 0,4b = a-0.4a =>
a+b
0,4b = 0,6a, după care simplificăm prin 2 și se obține egalitatea 0,2b = 0,3a.
Cu această egalitate mergem în formula abaterii standard, care este:
a∗b
2 = 0.12 și înlocuim cu egalitatea de mai sus, astfel:
(a+ b) ∗(a+b+1)

a∗0,3 a 0,3
2 = 0,01, prin simplificare prin a 2, obținem = 0,01
(a+ 0,3 a) ∗(a+0,3 a+1) 1,3(1,3 a+1)

(1,69a+1,3)0,01=0,3 => 0,0169a+0,013=0,3 => 0,0169a = 0,287 => a = 16,9822.

Prin egalitatea obținută mai sus, observăm că 0,2b = 0,3 a => 0,2 b = 5,0946 => b=
25,4734. Înlocuind în formulele inițiale, se verifică.
 b) Care este mărimea echivalentă a eșantionului anterior?
Formula necesară: n eq= a + b + 1=> n eq= 16,9822 + 25,4734 + 1 => n eq=42,46

c) Dintre cei 100 de votanți ai orașului chestionați, y = 21 susțin eliminarea gripei din
aprovizionarea cu apă municipală. Determinați distribuția dvs. posterioară.
Pentru beta(a’,b’) aposteriori, avem următoarele formule:
a’= a + y (se adaugă nr. de succese pentru a)
a’ = 16,9822 + 21
a’ = 37,9822

b’ = b + n - y (se adaugă nr. de eșecuri pentru b)

b’ = 25,4734 + 100 – 21
b’ = 104,4734

beta (37,9822; 104,4734)

8.1 In order to determine how effective a magazine is at reaching its target audience, a
market research company selects a random sample of people from the target audience and
interviews them. Out of the 150 people in the sample, 29 had seen the latest issue.
n=150
y=29
(a) What is the distribution of y, the number who have seen the latest issue?
Distribuția condiționată a observației Y, numărul total de succese în n încercări date cu
parametrul T, este binomial (n, T).

Răspuns: binomial (n = 150, T) distribution.

(b) Use a uniform prior for T, the proportion of the target audience that has seen the
latest issue. What is the posterior distribution of T?
Când examinăm acea parte a formulei care arată forma posterioară ca funcție a lui T,
recunoaștem că aceasta este o distribuție beta (a, b), unde:
 a = y + 1 și b=n – y + 1. Așadar, avem: a = 29+1=30 și b=150-29+1=122.
Deci, în acest caz, se obține cu ușurință distribuția posterioară. Tot ce este necesar este să
ne uităm la exponenții lui T și (1 - T). Nu a trebuit să facem integrarea.
Deci, răspunsul corect este beta (30,122).

8.2 A city is considering building a new museum. The local paper wishes to determine the
level of support for this project, and is going to conduct a poll of city residents. Out of the
sample of 120 people, 74 support the city building the museum.
(a) What is the distribution of y, the number who support the building the
(b) Use a uniform prior for T, the proportion of the target audience that museum support
the museum. What is the posterior distribution of T?

(a) What is the distribution of y, the number who support the building the

(b) Use a uniform prior for π , the proportion of the target audience that support the museum. What is
the posterior distribution of π ?

A ) n=120

y=74

Distributie binomial (n=120, π ¿

f ( y|π ) = n π y ¿
() y
Raspuns :

f ( 74|π )= 120 π 74 ¿
( )
74

B ) n=120

y=74

Uniform prior for : beta(a,b) => beta(75,47).

a=y+1, b=n-y+1.
8.3 Sophie, the editor of the student newspaper, is going to conduct a survey of students to
determine the level of support for the current president of the students association. She
needs to determine her prior distribution for T, the proportion of students who support the
president. She decides her prior mean is .5, and her prior standard deviation is .15.
(a) Determine the beta(a, b) prior that matches her prior belief.
a
Prior mean este: m=
a+b
a
a și b sunt soluții simultane pentru m= =0,5
a+b
Avem beta(a, b) posterior, așadar, varianța posterioară este:
a×b
Var(π / y)= 2 =0,152
(a+ b) ×(a+ b+1)
a
=.5 => a=.5*(a+b) => a- .5a=.5b => 0,5a=0,5b => a=b
a+b
a×b
=.15 2 a2 a2 a2
2 => =0.0225 => =0,0225 => 3 =0,0225
(a+ b) ×(a+ b+1) ( 2a )2 × (2 a+ 1 ) 2
4 a × ( 2a+ 1 ) 8 a ×4 a2
1
=> 8a+4= =>a=5,05 si b=5,05
0,0225

(b) What is the equivalent sample size of her prior?

Mărimea echivalentă a eșantionului este a + b + 1 = 5,05+5,05+1=11,11.

(c) Out of the 68 students that she polls, y = 21 support the current president.
Determine her posterior distribution.
Posterior distribution:

n=68
y=21
beta(a’,b’)
a’ = y + a și b’=n – y + a.
Așadar, avem: a’ = 21+5,05=26,05 și b’=68-21+5,05=52,05
Soluția este: beta (26.05,52.05)

8.4 You are going to take a random sample of voters in a city in order to estimate the
proportion T who support stopping the fluoridation of the municipal water supply. Before
you analyze the data, you need a prior distribution for T. You decide that your prior mean
is .4, and your prior standard deviation is .l .
(a) Determine the betu(a, b) prior that matches your prior belief.
(b) What is the equivalent sample size of your prior?
(c) Out of the 100 city voters polled, y = 21 support the removal of fluoridation from the
municipal water supply. Determine your posterior distribution.
Rezolvare :

a) Prior mean - .4

Std.dev.-.1

a 3a
=.4 => a=.4*(a+b) => a- .4a=.4b => b=
a+b 2

3 a2
a×b 2
2
=.12 => 2 =0.01 => a=9.2 si b=13.8
(a+ b) ×(a+ b+1) 5a 5 a+ 2
2 ( ) (
×
2 )
b) Sample size :

n eq=a+b+1=9.2+13.8+1=24

c) Posterior distribution : n=100, y =21

beta ( a' ,b ' )

Unde :

a ' = y+ a = 30.2
b ' =b+n− y =92.8
Rezulta : beta(30.2, 92.8 )
8.5. Într-un program de cercetare privind riscul pentru sănătatea umană în urma contactului
recreativ cu apa contaminată cu material microbiologic patogen, National Institutul de Apă și
Atmosferă (NIWA) a instituit un studiu pentru a determina calitatea apei din fluxul din Noua
Zeelandă la o varietate de tipuri de captare. Acest studiul este documentat în McBride et al.
(2002), unde n = 116 un litru eșantioane de apă din situri identificate ca având un impact puternic
asupra mediului pasarilor (pescăruși) și păsări de apă. Din aceste probe, y = 17 probe conținea
chisturi Giurdia.

(a) Care este distribuția lui y, numărul de eșantioane care conțin Giardia

binomial (n ≈ 116, π )

(b) Să fie π adevărata probabilitate ca un eșantion de apă de un litru din aceasta proba conține
chisturi Giardia. Utilizați un beta (l, 4) prior π. Găsi distribuția posterioară a π dat de y.
beta(a’, b’)
a’ = a + y =1+17=18
b’ = b + n – y = 4+116-17=103

beta (18,103)

(c) Rezumă distribuția posterioară cu primele două momente.

posterior mean
a’ 18
E(π|y)= a ’+b ’ = 18+103 =0,15
posterior variance
a’b’ 18 x 103
Var(π|y)= ( a+’ b ’ ) (a ’ +b+1)’ = 121
2 2
x 122 =0,001

(d) Găsiți aproximarea normală la distribuția posterioară g(π|y)

normal(0.l49, 0.03222)
(e) Calculați un interval de incredere de 95% pentru π folosind aproximarea normală chisturi?
găsită în partea (d).

(0.086,0.212)

8.6. Același studiu a constatat că y = 12 din n = 145 eșantioane identificate ca având

un impact puternic asupra mediului din fermele lactate a conținut chisturi Giardia.
(a) Care este distribuția lui y, numărul de eșantioane care conțin Giardia

binomial (n ≈ 145, π )

(b) Să fie π adevărata probabilitate ca un eșantion de apă de un litru din aceasta monstra
conține chisturi Giardia. Utilizați un beta (l, 4) prior π. Găsi distribuția posterioară a lui π dat
de y.
beta(a’, b’)
a’ = a + y =1+12=13
b’ = b + n – y = 4+145-12=137

beta (13,137)

(c) Rezumă distribuția posterioară cu primele două momente.

posterior mean
a’ 13
E(π|y)= a ’+b ’ = 13+137 = 0,086
posterior variance
a’b’ 13 x 137
Var(π|y)= ( a+’ b ’ ) (a ’ +b+1)’ = 150
2 2
x 151 = 0,00052
(d) Găsiți aproximarea normală la distribuția posterioară g (π|y).
(e) Calculați un interval de 95% credibil pentru π folosind aproximarea normală
chisturi? găsită în partea (d).

8.7 Același studiu a constatat că y = 10 din n = 174 probe identificate ca având un impact
puternic asupra mediului din fermele pastorale (ovine) conținea Giardia chisturi.
(a) Care este distribuția lui y, numărul de eșantioane care conțin Giardia

binomial(n = 1 7 4 , π)

(b) Să fie π adevărata probabilitate ca un eșantion de apă de un litru din aceasta monstra conține
chisturi Giardia. Utilizați un beta (1,4) înainte pentru 7 ore. Găsidistribuția posterioară a lui π
data de y chisturi?

beta(ll,l68)
beta(a’, b’)
a’ = a + y =1+10=11
b’ = b + n – y = 4+174-10=168

(c) Rezumă distribuția posterioară cu primele două momente.

posterior mean
a’ 11
E(π|y)= a ’+b ’ = 11+168 = 0,0614

posterior variance
a ’b’ 11 x 168
Var(π|y)= = =0,0003204
( a+’ b ’ ) (a ’ +b+1)’ 168 2 x 169
2

(d) Găsiți aproximarea normală la distribuția posterioară g (π|y).

normal(0.061, 0.01792)
(e) Calculați un interval credibil de 95% pentru π folosind aproximarea normală
găsită în partea (d).

(0.026,0.097)

8.8 Același studiu a constatat că y = 6 din n = 87 eșantioane din municipiu

bazinele hidrografice conțineau chisturi Giardia.

(a) Care este distribuția lui y, numărul de eșantioane care conțin Giardia

binomial(n = 1 7 4 , π)

(b) Să fie π adevărata probabilitate ca un eșantion de apă de un litru din aceasta monstra conține
chisturi Giardia. Utilizați un beta (1,4) înainte pentru 7 ore. Găsidistribuția posterioară a lui π
data de y chisturi?

beta(ll,l68)
beta(a’, b’)
a’ = a + y =1+6=7
b’ = b + n – y = 4+87-6=85
(c) Rezumă distribuția posterioară cu primele două momente.

posterior mean
a’ 7
E(π|y)= a ’+b ’ = 7+85 = 0,076

posterior variance
a ’b’ 7 x 85
Var(π|y)= ( a+’ b ’ )2 (a ’ +b+1)’ = 922 x 93 = 0,0008

(d) Găsiți aproximarea normală la distribuția posterioară g (π|y).

(e) Calculați un interval credibil de 95% pentru π folosind aproximarea normală
găsită în partea (d).

Inferenţă Bayesiană pentru proporţii binomiale

EXERCIŢII
Amarghioalei Ioana-Cristina
Roman Otilia-Izabela

8.5. Într-un program de cercetare privind riscul sănătăţii umane la contactul cu apa contaminată cu
material microbiologic patogen, Institul de Apei și al Atmosferei (NIWA) a realizat un studiu pentru a
determina calitatea apei curgătoare din Noua Zeelandă. Acest studiu este realizat de McBride şi colaboratorii
(2002), unde n = 116 un litru de probe de apă din situri identificate ca având un impact puternic asupra
mediului pentru pescăruşi şi păsări de apă. Din aceste probe, y=17 probe conţineau chisturi Giardia.

Rezolvare:
a) Care este distribuţia lui y, numărul de probe ce conţin chisturi Giardia?

binomial(n, π) = binomial(116, π)
b) Fie π probabilitatea ca un litru de probe de apă să conţină chisturi Giardia. Folosim
beta(1,4) posterior pentru π. Găsiţi distribuţia posterioară a lui π, dată de y.

beta(a,b) → beta(1,4)

beta(a ; b ) → beta(18,103)
Formula :

beta ( a' ,b ' ) , unde :

a ' =a+ y → a ' =1+ 17=18

b ' =b+n – y → b ' =4+ 116−7=103

 c) Rezumaţi distribuţia anterioară prin prisma primelor două momente

Media şi Varianţa

18 18
E ¿|y) = = =0,1487
18+103 121
18∗103 1 854 1 854
Var ¿|y) = = = =0,00103
2
121 ∗122 14 641∗122 1 786 202

d ¿ Găsiţi aproximarea normală pentru distribuţia posterioară g(π|y)

Considerăm beta (18,103)
Vom calcula media şi varianţa :
18
E(Y)= =¿ 0,1487
18+103
18∗103
Var ¿|y) = =0,00103
1212∗122
Distribuţia normală va fi :normal ¿0,00103)

e ¿ Calculaţi un interval de încredere (95%) pentru ᴨ folosind aproximarea normală ce se

regăseşte la punctul d.
Interval de încredere
' '
Formula : m ± z ∝∗s
2

E ¿|y)=0,1487
Var ¿|y)=0,00103 => s' = √ 0,00103 = 0,032
IC ¿1,96*0,032 ¿ ; ¿1,96*0,032 ¿
IC ¿
IC[0,086; 0,212]

8.6. Considerăm acelaşi studiu, cu y=12, iar n=145 probe identificate ca având un impact
puternic asupra mediului din fermele lactate cu conținut de chisturi Giardia.
 a) Care este distribuţia lui y, numărul de probe ce conţin Giardia?

binomial(n, π)=binomial(145, π)

b) Fie π probabilitatea ca un litru de probe de apă să conţină chisturi Giardia. Folosim

beta(1,4) posterior pentru π. Găsiţi distribuţia posterioară a lui π, dată de y.

beta(a,b) → beta(1,4)

beta(a ' ; b' ) → beta(13,137)

Formula :

beta ( a' ,b ' ) , unde :

a ' =a+ y → a ' =1+ 12=13

b ' =b+n – y → b ' =4+ 145−12=137

c) Rezumaţi distribuţia anterioară prin prisma primelor două momente

Media şi Varianţa

13 13
E ¿|y) = = =0,0866
13+137 150

13∗137 1781 1 781

Var ¿|y) = = = =0,000524
150 ∗151 22500∗151 3 397 500
2

d ¿ Găsiţi aproximarea normală pentru distribuţia posterioară g(π|y)

Considerăm beta (13,137)
Avemmedia şi varianţa :
E ( Y ) ¿ 0,0866
Var ¿|y) ¿ 0,000524
Distribuţia normală va fi :normal ¿0,000524)
e ¿Calculaţi intervalul de încredere (95%) pentru π folosind aproximarea normală ce se regăseşte
la punctul d.
Interval de încredere
' '
Formula : m ± z ∝∗s
2

E ¿|y)=0,0866

IC ¿1,96*0,002289 ¿ ; ¿1,96*0,002289 ¿
IC ¿
IC[0,082; 0,091]

8.7. Considerăm acelaşi studiu, cu y=10, iar n=174 probe identificate ca având un impact
puternic asupra mediului din fermele pastorale (ovine) cu conținut de chisturi Giardia.

a) Care este distribuţia lui y, numărul de probe ce conţin Giardia?

binomial(n, π)=binomial(174, π)
b) Fie π probabilitatea ca un litru de probe de apă să conţină chisturi Giardia. Folosim
beta(1,4) posterior pentru π. Găsiţi distribuţia posterioară a lui π, dată de y.

beta(a,b) → beta(1,4)

beta(a ; b ) → beta(11,168)
Formula :

beta ( a' ,b ' ) , unde :

a ' =a+ y → a ' =1+ 10=11

b ' =b+n – y → b ' =4+ 174−10=168

c) Rezumaţi distribuţia anterioară prin prisma primelor două momente

Media şi Varianţa

11 11
E ¿|y) = = =0,0614
11+168 179

11∗168 1 848 1848

Var ¿|y) = = = =0,0003204
179 ∗180 32041∗180 5767 380
2

d ¿ Găsiţi aproximarea normală pentru distribuţia posterioară g(π|y)

Considerăm beta(11,168)
Avemmedia şi varianţa :
E ( Y ) ¿ 0,0614
Var ¿|y) ¿ 0,0003204
Aproximarea normală pentru distribuţia posterioară va fi: normal(0.0614 ; 0,0003204)

e ¿Calculaţi intervalul de încredere (95%) pentru π folosind aproximarea normală ce se regăseşte

la punctul d.
Interval de încredere
' '
Formula : m ± z ∝∗s
2

E ¿|y)=0,0614
Var ¿|y)=0,0003204 => s' = √ 0,0003204 = 0,0179
IC ¿1,96*0,0179 ¿ ; ¿1,96*0,0179 ¿
IC ¿
IC[0,026; 0,0964]

8.8. Același studiu a găsit y = 6 din n = 87 de probe din bazinele municipale ce conțineau chisturi
Giardia.
a) Care este distribuţia lui y, numărul de probe ce conţin Giardia?
binomial(n, π)=binomial(87, π)
b) Fie π probabilitatea ca un litru de probe de apă să conţină chisturi Giardia. Folosim
beta(1,4) posterior pentru π. Găsiţi distribuţia posterioară a lui π, dată de y.

beta(a,b) → beta(1,4)

beta(a ; b ) → beta(7,85)
Formula :

beta ( a' ,b ' ) , unde :

a ' =a+ y → a ' =1+ 6=7

b ' =b+n – y → b ' =4+ 87−6=85

c) Rezumaţi distribuţia anterioară prin prisma primelor două momente

Media şi Varianţa

7 7
E ¿|y) = = =0,076
7+85 92

7∗85 595 1 848

Var ¿|y) = = = =0,00234
92 ∗93 8464∗93 787152
2

d ¿ Găsiţi aproximarea normală pentru distribuţia posterioară g(π|y)

Considerăm beta (7,85)
Avemmedia şi varianţa :
E ( Y ) ¿ 0,076
Var ¿|y) ¿ 0,00234
Aproximarea normală pentru distribuţia posterioară va fi: normal(0.076 ; 0,00234 )
e ¿Calculaţi intervalul de încredere (95%) pentru π folosind aproximarea normală ce se regăseşte
la punctul d.
Interval de încredere
 ' '
Formula : m ± z ∝∗s
2

E ¿|y)=0,076
Var ¿|y)=0,00234 => s' = √ 0,00234 = 0,0483
IC ¿1,96*0,0483 ¿ ; ¿1,96*0,0483 ¿
IC ¿
IC[-0,019; 0,171]

1. Let x be the proportion of students at a university who approve the governments policy on students
allowances. The students newspaper is going to take a random sample of n = 30 students at a
university and ask if they approve of the governments policy on student allowances.

a) What is the distribution of y, the number who answer “yes“?

n=30

Binom(n, π) -> binom(30, π)

b) Suppose out of the 30 students, 8 answered yes. What is the frequentist estimate for π?

n=30, y=8
y 8
π frequentist = = = 0,2(6)
n 30

c) Find the posterior distribution g(π|y) if we use a uniform prior

Uniform priori: a=b =1 in beta (a’,b’)

Posteriori: a ' = 1+y, b ' = 1+n-y

beta(1+8, 1+22) = beta(9,23)

d) What would be the Bayesian estimate of x?

a' b'
, = 1+y, = 1+n-y
 1+ 8 9
πB = = = 0.281
1+ 8+1+30−8 32
3. In the study of water quality in New Zealand streams documented in McBride et al. (2002) a high
level of Campylobacter was defined as a level greater than 100 per 100 ml of stream water. n = 116
samples were taken from streams having a high environmental impact from birds. Out of these, y = 11
had a high Campylobacter level. Let π be the true probability that a sample of water from this type of
stream has a high Campylobacter level.

(a) Find the frequentist estimator for π.

n=116, y=11,

y 11
π frequentist = = ≈ 0.095
n 116

(b) Use a beta (1,10) prior for π. Calculate the posterior distribution g(π|y).

beta(1,10)

Posteriori: a ' = 1+y, a’ =1+11= 12 Beta(12,115)

b ' = 1+n-y , b’ = 10+116-11
(c) Find the posterior mean and variance. What is the Bayesian estimator for π

1+11 12
πB = = ≈ 0.094
1+ 11+10+116−11 127

a'∗b' 12∗115 1380

Var(π|g) = ' 2 ' ' = 2 = = 0.0006685
(a +b ') ∗(a + b +1) 127 ∗128 20645128

(d) Find a 95% credible interval for π.

^π B = m’ = 0.0944
α
I.C: [ ^π B ± Z ∗S ' ] =
2
S’ = √ S ' 2=√ 10−4∗6,685=√ 0.00066850 = 0.0258
 0.5
Z =¿ Z 0.025=1.96
2
α
S’ * Z =¿ 0.0258*1.96=0.0505
2
IC: [0.0944-0.0505; 0.0944+0.0505]

[0.0439, 0.1449]

 95% din valorile lui ^π B se afla in intervalul de mai sus

(e) Test the hypothesis

Ho : π = .1O vs. H 1 π ≠ .1O , at the 5% level of significance.

(d) -> IC [0.0439, 0.1449]

π = 0.1 ɛ [0.0439, 0.1449] : Deoarece π este inclus în interval, nu se poate respinge Ho.

5. In the same study of water quality, n = 176 samples were taken from streams having a high
environmental impact from sheep farming. Out of these y = 24 had a high Campylobacter level. Let π
be the true probability that a sample of water from this type of stream has a high Campylobacter level.

(a) Find the frequentist estimator for π.

n=176 , y=24

y 24
π frequentist = = ≈ 0.1(36)
n 176
(b) Use a beta (1,10) prior for π. Calculate the posterior distribution g(π|y).

beta(1,10)

Posteriori: a ' = 1+y, a’ =1+24= 25 Beta(25,162)

b ' = 1+n-y , b’ = 10+176-24
(c) Find the posterior mean and variance. What is the Bayesian estimator for π

a' 25
m’= ' = ≈ 0.1337 … ( ^π B)
a +b ' 12725+ 162

a'∗b' 25∗162 4050

Var(π|g) = ' 2 ' ' = 2 = = 0.0006160
(a +b ') ∗(a + b +1) (25+162) ∗(25+12+1) 6574172
(d) Test the hypothesis

Ho : π ≥.15 vs. H 1 π ≤ .15 , at the 5% level of significance.

Beta distribution online calculator (ca altfel nu stiu cum sa o calzulez)

https://homepage.divms.uiowa.edu/~mbognar/applets/beta.html

P(X>x) = 0.24645 > a=0.05

Sau RStudio:
> 1 - pbeta(0.15, 25, 162)
> 0.2464514

 Nu putem respinge ipoteza Ho : π ≥.15

 Compararea inferenţei bayesiene şi a frecvenţei pentru proporţii
EXERCIŢII CAP. 9
Mircea Mihaela-Roxana
Luca Andreea-Maria

9.1. Fie π proporția studenților de la o universitate care aprobă politica guvernului privind
burselor pentru studenți. Ziarul studenților va extrage un eșantion aleatoriu de n = 30 de studenți
la o universitate și îi va întreba dacă aprobă politica guvernului privind bursele pentru studenți.
Rezolvare:
a) Care este distribuția lui y, numărul studenţilor care răspund „da”?

binomial(n, π) = binomial(30, π)-parametri

b) Să presupunem că din cei 30 de studenți, 8 au răspuns da. Care este estimatia punctuala
clasica a lui π ?
n = 30 studenţi
y = 8 numărul de succese
y 8
π= = =0,267
n 30
c) Găsiți distribuția aposteriori g (πly) dacă folosim o distribuţie apriori uniformă.
distribuţia uniformă apriori => beta(a,b) => beta(1,1)
distribuţia aposteriori =>beta(a ; b ) => beta(9,23)

Formula :

beta ( a' ,b ' ) , unde :

a ' =a+ y → a ' =1+ 8=9
b ' =b+n – y → b ' =1+ 30−8=23
d) Care este estimația punctuală bayesiană a lui π ?
a' y+ 1 8+1 9
πB= ' ' = = = =0,28125
a + b n+2 30+2 32
 9.3. În studiul calității apei din Noua Zeelandă documentate în McBride et al. (2002) un
nivel ridicat de Campylobacter a fost definit ca un nivel mai mare de 100 la 100 ml de apă
curentă. n = 116 probe au fost prelevate din pâraiele cu impact mare asupra mediului de la păsări.
Dintre acestea, y = 11 au avut un nivel ridicat de Campylobacter. Fie π adevărata probabilitate ca
o probă de apă din acest tip de flux să aibă un nivel ridicat de Campylobacter.

a) Găsiţi estimația punctuală clasică a lui π .

y=¿ 11 numărul de succese

n = 116 numărul total de cazuri
y 11
πf = = =0,095
n 116

b) Folosim beta(1,10) apriori pentru π. Calculaţi distribuţia aposteriori a lui g(π‫׀‬y).

distribuţia apriori => beta(a,b) => beta(1,10)
distribuţia aposteriori =>beta(a ; b ) => beta(12, 115)
Formula :

beta ( a' ,b ' ) , unde :

a ' =a+ y → a ' =1+ 11=12
b ' =b+n – y → b ' =10+116−11=115

c) Găsiţi media şi varianţa aposteriori. Care este estimația punctuala bayesiană a lui π ?

Media şi Varianţa

12 12
E ¿|y) = = =0,09445
12+115 127

12∗115 1380 1380

Var ¿|y) = = = =0,0006684
(12+115) ∗(12+115+1) 16129∗128 2064512
2

a' 12 12
πB= '=
= =0,09445
a + b 12+115 127
'

d) Estimati prin interval de încredere (95%) proporția π.

 Interval de încredere
' '
Formula : m ± z ∝∗s
2

E ¿|y) =0,09445
Var ¿|y) =0,000668 => s' = √ 0,000668 = 0,02585
IC ¿1,96*0,02585 ¿ ; ¿1,96*0,02585 ¿]
IC ¿]
IC[0,04379; 0,145116] - intervalul acoperă în proporție de 95% valorile parametrului π. Cu o
probabilitate de 95%, parametrul π ia valori în intervalul [0,04379; 0,145116].
e) Testaţi ipoteza H 0 :π =0,10 versus H 1 : π ≠ 0,10 folosind un nivel de încredere de 5 %

IC ¿1,96*0,02585 ¿ ; ¿1,96*0,02585 ¿
IC ¿
IC[0,04379; 0,145116]
Valoarea lui π=0,10 se află în intervalul de încredere [0,04379; 0,145116], putem lua decizia
de a nu respinge ipoteza nulă pentru un risc de 5%.
9.5. În același studiu privind calitatea apei, n = 176 de probe au fost prelevate din pâraiele
care au un impact ridicat asupra mediului din fermele de ovine. Dintre aceștia y = 24 au avut un
nivel ridicat de Campylobacter. Fie π probabilitate adevărată ca o probă de apă din acest tip de
flux să aibă un nivel ridicat de Campylobacter.

a) Găsiţi estimația punctuală clasică a lui π .

y=¿ 24 numărul de succese

n = 176 numărul total de cazuri
y 24
π= = =0,136363
n 176
b) Folosim o distribuție apriori beta(1,10) pentru π. Calculaţi distribuţia aposteriori a lui g(π
‫׀‬y).
distribuţia apriori => beta(a,b) => beta(1,10)
distribuţia aposteriori =>beta(a ; b ) => beta(25, 162)
Formula :

beta ( a' ,b ' ) , unde :

 a ' =a+ y → a ' =1+ 24=25
b ' =b+n – y → b ' =10+176−24=162
c) Găsiţi media şi varianţa aposteriori. Care este estimația punctuala bayesiană a lui π ?

Media şi Varianţa

25 25
E ¿|y) = = =0,13369
25+162 187

25∗162 4050 4050

Var ¿|y) = = = =0,0006160
(25+162) ∗(25+162+1) 16402500∗188 30836700000
2

a' 25 25
πB= ' ' = = =0,13369
a + b 25+162 187

d) H 0 :π ≥ 0.15 versus H 1 : π < 0.15 folosind un prag de semnificație de 5%

pbeta(0.15, 25, 162)

[1] 0.7535486
1-0.7535486
[1] 0.2464514
0.2464514 > 0.05 => se acceptă H 0

Compararea inferenţei bayesiene şi a frecvenţei pentru proporţii

EXERCIŢII CAP. 9
Mircea Mihaela-Roxana
Luca Andreea-Maria
 9.1. Fie π proporția studenților de la o universitate care aprobă politica guvernului privind
burselor pentru studenți. Ziarul studenților va extrage un eșantion aleatoriu de n = 30 de studenți
la o universitate și îi va întreba dacă aprobă politica guvernului privind bursele pentru studenți.
Rezolvare:
e) Care este distribuția lui y, numărul studenţilor care răspund „da”?

binomial(n, π) = binomial(30, π)-parametri

f) Să presupunem că din cei 30 de studenți, 8 au răspuns da. Care este frecvenţa lui π ?
n = 30 studenţi
y = 8 numărul de succese
y 8
π= = =0,267
n 30
g) Găsiți distribuția aposteriori g (πly) dacă folosim o distribuţie apriori uniformă.
distribuţia uniformă apriori => beta(a,b) => beta(1,1)
distribuţia aposteriori =>beta(a ; b ) => beta(9,23)

Formula :

beta ( a' ,b ' ) , unde :

a ' =a+ y → a ' =1+ 8=9
b ' =b+n – y → b ' =1+ 30−8=23
h) Care este estimarea bayesiană a lui π ?
a' y+ 1 8+1 9
πB= ' ' = = = =0,28125
a +b n+2 30+2 32

9.3. În studiul calității apei din Noua Zeelandă documentate în McBride et al. (2002) un
nivel ridicat de Campylobacter a fost definit ca un nivel mai mare de 100 la 100 ml de apă
curentă. n = 116 probe au fost prelevate din pâraiele cu impact mare asupra mediului de la păsări.
Dintre acestea, y = 11 au avut un nivel ridicat de Campylobacter. Fie π adevărata probabilitate ca
o probă de apă din acest tip de flux să aibă un nivel ridicat de Campylobacter.

f) Găsiţi frecvenţa estimatorului π .

y=¿ 11 numărul de succese

n = 116 numărul total de cazuri
y 11
π= = =0,095
n 116
g) Folosim beta(1,10) apriori pentru π. Calculaţi distribuţia aposteriori a lui g(π‫׀‬y).
distribuţia apriori => beta(a,b) => beta(1,10)
distribuţia aposteriori =>beta(a ; b ) => beta(12, 115)
Formula :

beta ( a' ,b ' ) , unde :

a ' =a+ y → a ' =1+ 11=12
b ' =b+n – y → b ' =10+116−11=115

h) Găsiţi media şi varianţa aposteriori. Care este estimarea bayesiană a lui π ?

Media şi Varianţa

12 12
E ¿|y) = = =0,09445
12+115 127

12∗115 1380 1380

Var ¿|y) = = = =0,0006684
(12+115) ∗(12+115+1) 16129∗128 2064512
2

a' 12 12
πB= '=
= =0,09445
'
a +b 12+115 127

i) Găsiţi intervalul de încredere (95%) pentru π.

Interval de încredere
' '
Formula : m ± z ∝∗s
2

E ¿|y) =0,09445
Var ¿|y) =0,000668 => s' = √ 0,000668 = 0,02585
IC ¿1,96*0,02585 ¿ ; ¿1,96*0,02585 ¿
IC ¿
IC[0,04379; 0,145116]
 j) Testaţi ipoteza H 0 :π =0,10 versus H 1 : π ≠ 0,10 folosind un nivel de semnificaţie de 5
%

IC ¿1,96*0,02585 ¿ ; ¿1,96*0,02585 ¿
IC ¿
IC[0,04379; 0,145116]
Valoarea lui π=0,10 se află în intervalul de încredere [0,04379; 0,145116], putem lua decizia
de a nu respinge ipoteza nulă pentru un risc de 5 %.
9.5. În același studiu privind calitatea apei, n = 176 de probe au fost prelevate din pâraiele
care au un impact ridicat asupra mediului din fermele de ovine. Dintre aceștia y = 24 au avut un
nivel ridicat de Campylobacter. Fie π probabilitate adevărată ca un eșantion de apă din acest tip
de flux să aibă un nivel ridicat de Campylobacter.

d) Găsiţi frecvenţa estimatorului π .

y=¿ 24 numărul de succese

n = 176 numărul total de cazuri
y 24
π= = =0,136363
n 176
e) Folosim beta(1,10) apriori pentru π. Calculaţi distribuţia aposteriori a lui g(π‫׀‬y).
distribuţia apriori => beta(a,b) => beta(1,10)
distribuţia aposteriori =>beta(a ; b ) => beta(25, 162)
Formula :

beta ( a' ,b ' ) , unde :

a ' =a+ y → a ' =1+ 24=25
b ' =b+n – y → b ' =10+176−24=162
f) Găsiţi media şi varianţa aposteriori. Care este estimarea bayesiană a lui π ?

Media şi Varianţa

25 25
E ¿|y) = = =0,13369
25+162 187

25∗162 4050 4050

Var ¿|y) = = = =0,0006160
(25+162) ∗(25+162+1) 16402500∗188 30836700000
2
 a' 25 25
πB= '=
= =0,13369
a + b 25+162 187
'

d) H 0 :π ≥ 0.15 versus H 1 : π < 0.15 folosind un prag de semnificație de 5%

0.150
Γ ( 187 )
P ( π ≤ 0.15| y=24 )= ∫ π 2(1−π)24 dπ =¿
0 Γ ( 25 ) Γ ( 162 )