使用R'；具有标量数据和向量先验的s离散贝叶斯

我从一些数据中计算贝叶斯概率有困难。我的数据基本上是一个标量：两个平均值（df=a-b）之间的差，精确地等于0.27，我的先验假设捕捉到df为正（a大于b）的直觉，df越大，可能性越大

library("LearnBayes")
df = 0.27
prior = seq(1, 21, by=1)
names(prior) = seq(-.5, .5, by=.05)
prior = prior/sum(prior) #normalizing sum to 1

然而，

discrete.bayes（dbinom，prior，df，size=1）

产生了NAN。我尝试将我的df矢量化，但这也不起作用：

y <- rep(0, 21)
names(y) <- seq(-.5, .5, by=.05)
y["0.25"] = 1
discrete.bayes(dbinom, prior, y, size=21)

---

y如果我没有弄错，
discrete.bayes（dbinom，…）
对二项分布的
p
参数进行推断；Previor指定负值的正概率，这不是该参数的有效Previor（因为
p
表示介于0和1之间的概率）。