Ein bisschen Hintergrund

Grundlagen der Bayes'schen Datenanalyse in R

Rasmus Bååth

Data Scientist

Wahrscheinlichkeit

Eine Zahl zwischen 0 und 1.
Eine Aussage über Sicherheit/Unsicherheit.
1 bedeutet: volle Sicherheit, dass etwas der Fall ist.
0 bedeutet: volle Sicherheit, dass etwas nicht der Fall ist.
Nicht nur für Ja/Nein-Ereignisse.

Die Rolle von Wahrscheinlichkeitsverteilungen in der Bayes'schen Datenanalyse ist, Unsicherheit abzubilden. Die Rolle der Bayes'schen Inferenz ist, Verteilungen anhand der aus Daten gewonnenen Erkenntnisse zu aktualisieren.

Ein Bayes'sches Modell für den Erfolgsanteil

prop_model(data)
Die data ist ein Vektor aus Erfolgen und Misserfolgen, dargestellt durch 1 und 0.
Es gibt einen unbekannten zugrunde liegenden Erfolgsanteil.
Ob ein Datenpunkt ein Erfolg ist, hängt nur von diesem Anteil ab.
Vor den Daten sind alle Erfolgsanteile gleich wahrscheinlich.
Das Ergebnis ist eine Wahrscheinlichkeitsverteilung, die ausdrückt, was das Modell über den zugrunde liegenden Erfolgsanteil weiß.

prop_model ausprobieren

data <- c()
prop_model(data)

prop_model ausprobieren

data <- c(0)
prop_model(data)

prop_model ausprobieren

data <- c(0, 1)
prop_model(data)

prop_model ausprobieren

data <- c(0, 1, 0)
prop_model(data)

prop_model ausprobieren

data <- c(0, 1, 0, 0)
prop_model(data)

prop_model ausprobieren

data <- c(0, 1, 0, 0, 0)
prop_model(data)

prop_model ausprobieren

data <- c(0, 1, 0, 0, 0, 1)
prop_model(data)

Jetzt bist du dran: probier prop_model aus!

Grundlagen der Bayes'schen Datenanalyse in R