베이지안에서의 는 라는 추가 정보를 바탕으로 한 의 확률
-> 사후 확률. (B라는 정보가 업데이트 된 이후의 사후 확률)
-> 사전 확률. B라는 정보가 업데이트 되기 전의 사전확률
-> likelihood
TPR : True Positive Rate (= Sensitivity) 1인 케이스에 대해 1로 잘 예측한 비율.(암환자를 암이라고 진단 함)
FPR : False Positive Rate (= 1-specificity) 0인 케이스에 대해 1로 잘못 예측한 비율.(암환자가 아닌데 암이라고 진단 함)
from scipy import stats
mean_CI, variance, std = stats.bayes_mvs(분포, alpha = .95)
# ex) mean_CI = Mean(statistic=0.35, minmax=(0.12097224312031751, 0.5790277568796824))
t = stats.t.ppf( 0.975 , n - 1)
cdf값이 0.975가 되는 지점의 x값을 반환