贝叶斯更新是一种统计方法，它使我们能够在有新数据可用时更新假设的概率。在本实验中，我们将使用 Matplotlib 创建一个动画，展示贝叶斯更新的工作原理。具体来说，我们将模拟一个抛硬币实验，并使用贝叶斯更新来估计硬币正面朝上的概率。
虚拟机启动完成后，点击左上角切换到笔记本标签页，以访问 Jupyter Notebook 进行练习。
有时，你可能需要等待几秒钟让 Jupyter Notebook 完成加载。由于 Jupyter Notebook 的限制，操作验证无法自动化。
如果你在学习过程中遇到问题，随时向 Labby 提问。课程结束后提供反馈，我们会及时为你解决问题。
我们首先导入将在本实验中使用的库。具体来说，我们将使用matplotlib.pyplot进行可视化，使用numpy进行数值计算，使用math进行数学函数运算。
import math
import matplotlib.pyplot as plt
import numpy as np贝塔分布是一种连续概率分布，常用于表示概率的分布。在贝叶斯更新中，我们使用贝塔分布作为先验分布，以表示在观察任何数据之前我们对假设概率的信念。然后，随着我们观察到新数据，我们会更新贝塔分布。
为了模拟贝叶斯更新，我们需要定义一个函数来计算贝塔分布的概率密度函数（PDF）。我们可以使用math.gamma函数来计算伽马函数，伽马函数在贝塔分布的 PDF 中会用到。
def beta_pdf(x, a, b):
return (x**(a-1) * (1-x)**(b-1) * math.gamma(a + b)
/ (math.gamma(a) * math.gamma(b)))接下来，我们定义一个名为UpdateDist的类，用于在观察到新数据时更新贝塔分布。UpdateDist类接受两个参数：Matplotlib 轴对象和成功的初始概率。
class UpdateDist:
def __init__(self, ax, prob=0.5):
self.success = 0
self.prob = prob
self.line, = ax.plot([], [], 'k-')
self.x = np.linspace(0, 1, 200)
self.ax = ax
## 设置绘图参数
self.ax.set_xlim(0, 1)
self.ax.set_ylim(0, 10)
self.ax.grid(True)
## 这条垂直线代表理论值，绘制的分布应收敛于此。
self.ax.axvline(prob, linestyle='--', color='black')__init__方法通过将成功的初始次数设置为零（self.success = 0）以及将成功的初始概率设置为作为参数传递的值（self.prob = prob）来初始化类实例。我们还创建一个线条对象来表示贝塔分布并设置绘图参数。
__call__方法在动画每次更新时被调用。它模拟抛硬币实验并相应地更新贝塔分布。
def __call__(self, i):
## 这样绘图就能持续运行，我们只需不断观察该过程的新实现情况
if i == 0:
self.success = 0
self.line.set_data([], [])
return self.line,
## 通过均匀选取并与阈值比较来选择成功情况
if np.random.rand() < self.prob:
self.success += 1
y = beta_pdf(self.x, self.success + 1, (i - self.success) + 1)
self.line.set_data(self.x, y)
return self.line,如果这是动画的第一帧（if i == 0），我们将成功次数重置为零并清除线条对象。否则，我们通过生成一个介于 0 和 1 之间的随机数（np.random.rand()）并将其与成功概率（self.prob）进行比较来模拟抛硬币实验。如果随机数小于成功概率，我们将其计为一次成功，并使用beta_pdf函数更新贝塔分布。最后，我们用新数据更新线条对象并返回它。
既然我们已经定义了UpdateDist类，那么我们可以使用 Matplotlib 的FuncAnimation类来创建动画。我们创建一个图形对象和一个轴对象，并将轴对象传递给UpdateDist类以创建该类的一个新实例。
fig, ax = plt.subplots()
ud = UpdateDist(ax, prob=0.7)
anim = FuncAnimation(fig, ud, frames=100, interval=100, blit=True)
plt.show()FuncAnimation类接受几个参数：
fig：图形对象ud：UpdateDist实例frames：要制作动画的帧数interval：帧之间的时间间隔（以毫秒为单位）blit：是否仅更新绘图中已更改的部分动画展示了随着新数据的观察，贝塔分布是如何更新的。黑色虚线代表成功的真实概率（即硬币正面朝上的概率）。随着动画的推进，我们可以看到贝塔分布最初在成功的先验概率（0.7）处有一个峰值，并且随着观察到更多数据，逐渐向成功的真实概率移动。
在本实验中，我们使用 Matplotlib 创建了一个演示贝叶斯更新的动画。我们定义了一个函数来计算贝塔分布的概率密度函数（PDF），以及一个类来在观察到新数据时更新贝塔分布。然后，我们使用 Matplotlib 的FuncAnimation类创建了动画并解释了结果。