Du hast gerade eine bayessche Datenanalyse gemacht!

Grundlagen der Bayes'schen Datenanalyse in R

Rasmus Bååth

Data Scientist

Priors & Posterior

Ein Prior ist eine Wahrscheinlichkeitsverteilung, die zeigt, was das Modell vor den Daten weiß.
Ein Posterior ist eine Wahrscheinlichkeitsverteilung, die zeigt, was das Modell nach den Daten weiß.

Verteilung der Anzahl an 6en beim Wurf von 5 Würfeln

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

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
...

Schließe die Zombie-Drogenanalyse ab!

Grundlagen der Bayes'schen Datenanalyse in R