Vous venez de faire une analyse bayésienne des données !

Fondamentaux de l'analyse bayésienne des données en R

Rasmus Bååth

Data Scientist

Priors et posteriors

Une prior est une loi de probabilité qui représente ce que le modèle sait avant d'observer les données.
Une posterior est une loi de probabilité qui représente ce que le modèle sait après avoir observé les données.

Loi du nombre de 6 en lançant 5 dés

$$\text{p(x)} = {5\choose x}(\frac{1}{6})^x(1-(\frac{1}{6}))^{5-x}$$

number_of_sixes

1 1 0 0 1 0 1 2 0 1 0 0 1 0 0 0 0 0 1 1 1 0 1 1 0 0 2 0
0 1 0 0 1 0 0 1 0 1 2 0 1 0 0 0 1 2 1 2 0 0 1 1 3 3 0 0
1 1 1 1 1 0 0 1 2 0 1 3 1 1 1 0 1 0 1 2 0 1 1 0 1 1 1 0
2 1 0 4 0 1 2 1 1 1 2 0 1 0 1 1 0 0 2 0 0 0 0 0 1 1 0 1
0 0 0 0 2 0 0 0 0 0 1 1 0 0 2 1 1 1 0 2 1 1 1 0 0 1 1 1
...

mean(number_of_sixes)

0.83

posterior <- prop_model(data)
print(posterior)

0.23 0.36 0.20 0.21 0.12
0.10 0.03 0.16 0.09 0.14
0.23 0.05 0.15 0.26 0.22
...

Terminez l'analyse du médicament Zombie !

Fondamentaux de l'analyse bayésienne des données en R