Python 简单数据集的贝叶斯统计，1模型

我对python和贝叶斯统计相当陌生。web上的大多数简介示例都是通过切换点或多个参数工作的。对于我的数据，我只想绘制95%的HPD并确定平均值。我想用简单的数据和简单的模型比较frequentest和Bayes统计

我想我的问题是，我的模型正确吗

在历史程序中绘制数据

---

运行代码时会发生什么？您期望的输出是什么？它如何比较？它返回有意义的代码。我无法发布图片，但在原始帖子的末尾有链接。我想现在来看，我幸运地选择了一个正常的地区作为前一个。在没有任何知识的情况下，我可能应该选择一个学生t或制服区。我只是尝试了一个制服区作为前导，而那个帖子看起来像垃圾。

import pandas as pd
import pymc3 as pm

data = np.array([0.170717, 0.174359, 0.172085, 0.171650, 0.171511, 0.175207,
                         0.174769, 0.174633, 0.174814, 0.174655, 0.199607,     0.198277,
                         0.199973, 0.142929, 0.143697, 0.143240, 0.143503, 0.144641,
                         0.143488, 0.145386, 0.143688, 0.144603, 0.144529, 0.191608,
                         0.192063, 0.192355, 0.193154, 0.156040, 0.158525, 0.155890,
                         0.156021, 0.155429, 0.157540, 0.156556, 0.158478, 0.161370,
                         0.161220, 0.167436, 0.161289, 0.162017, 0.167989, 0.170717,
                         0.174359, 0.172085, 0.171650, 0.171511, 0.175207])

df = pd.DataFrame(data)
df.plot(kind='hist')
plt.title("Histogram")
plt.xlabel("Value")
[histogram][1]

## Modeling the prior as Normal Distribution

with pm.Model():
    mu = pm.Normal('mu', 0, 1) #prior 
    sigma = .01

    returns = pm.Normal('returns', mu=mu, sd=sigma, observed=data) #likelihood 

    step = pm.NUTS()
    trace = pm.sample(10000, step, tune=500)
## Plotting trace
pm.traceplot(trace)
pm.summary(trace)

pm.plots.plot_posterior(trace)
[posterior][3]


  [1]: https://i.stack.imgur.com/ZTgfy.png
  [3]: https://i.stack.imgur.com/LEKem.png