如何在pymc3中模拟正常的贝叶斯后验概率？

Question

我在研究贝叶斯统计，我试图估计正态分布的平均值，给定正态先验和正态分布的数据。 我有公式来分析计算后验分布，但我想通过模拟来解决它，看看结果是否一致

平均值的先验值为N（160，10）。 我的数据是存储在熊猫数据帧的一列中的120个样本，它们遵循正态分布N（2562301）。 使用公式，我的平均值后验分布应该是N（195，6.57）

但是，绘制轨迹时，轨迹结果不一致。代码如下：

with pm.Model() as model: 
    mu = pm.Normal('parameters', mu=160, sd=50)
    observed_data = pm.Normal(
        'observed_data', mu=mu, observed=df['Cholestoral']) 
with model:
# Sample from the posterior
    trace = pm.sample(draws=300, chains=2, tune=300, 
                      discard_tuned_samples=True)

如果我以这种方式绘制后验曲线，我会得到一个平均值为256且方差很小的正态分布。 如果我把我的数据的方差2301加到观察到的_数据中，我得到一个均值为160的后验a正态分布

我不明白我的代码出了什么问题。有人能帮忙吗