Qu'avez-vous appris ? Qu'a-t-on laissé de côté ?

Fondamentaux de l'analyse bayésienne des données en R

Rasmus Bååth

Data Scientist

Nous avons vu

Méthodes de calcul
- Rejection sampling
- Grid approximation
- Markov chain Monte Carlo (MCMC)

Travailler avec des échantillons représentant des distributions de probabilité :

> head(sample)

mu    sigma
39.39 10.18
39.39 21.77
40.90 20.26
45.45 13.20
34.84 12.70
40.90 12.70

pred_iq <- rnorm(10000, mean = sample$mu, sd = sample$sigma)
sum(pred_iq >= 60) / length(pred_iq)

0.0901

Fondamentaux de l'analyse bayésienne des données en R

Fondamentaux de l'analyse bayésienne des données en R