Modelos bayesianos y condicionamiento

Fundamentos del Análisis de Datos Bayesiano en R

Rasmus Bååth

Data Scientist

n_samples <- 100000
n_ads_shown <- 100
proportion_clicks <- runif(n_samples, min = 0.0, max = 0.2)
n_visitors <- rbinom(n = n_samples, size = n_ads_shown, 
                     prob = proportion_clicks)

n_samples <- 100000
n_ads_shown <- 100
proportion_clicks <- runif(n_samples, min = 0.0, max = 0.2)
n_visitors <- rbinom(n = n_samples, size = n_ads_shown, 
                     prob = proportion_clicks)
prior <- data.frame(proportion_clicks, n_visitors)

prior

   proportion_clicks n_visitors
1             0.12         10
2             0.04          3
3             0.11         14
4             0.15         14
5             0.15         12
6             0.16         13
7             0.04          6
8             0.04          3
9             0.09         10
10            0.04          3
11            0.08          8
12            0.13         12
13            0.02          3
14            0.18         19
15            0.04          5
16            0.10         10
...           ...          ...

La esencia de la inferencia bayesiana

La inferencia bayesiana es condicionar en los datos para aprender sobre los valores de los parámetros.

¡Prueba tú mismo la inferencia bayesiana!

Fundamentos del Análisis de Datos Bayesiano en R