¡Podemos calcular!

Fundamentos del Análisis de Datos Bayesiano en R

Rasmus Bååth

Data Scientist

Simulación vs. cálculo

  • Simulación con funciones «r», por ejemplo, rbinom y rpois
  • Simular P(n_visitors = 13 | prob_success = 10%)
n_visitors <- rbinom(n = 100000, size = 100, prob = 0.1)
sum(n_visitors == 13) / length(n_visitors)

0.074
  • Cálculo con funciones «d», por ejemplo, dbinom y dpois
  • Calcular P(n_visitors = 13 | prob_success = 10%)
dbinom(13, size = 100, prob = 0.1)

0.074
Fundamentos del Análisis de Datos Bayesiano en R
  • Calcular P(n_visitors = 13 o n_visitors = 14 | prob_success = 10%)
dbinom(13, size = 100, prob = 0.1) + dbinom(14, size = 100, prob = 0.1)

0.126
  • Calcular P(n_visitors | prop_success = 10%)
n_visitors = seq(0, 100, by = 1)
probability <- dbinom(n_visitors, size = 100, prob = 0.1)

n_visitors

0 1 2 3 4 5 6 7 ...

probability

0.000 0.000 0.002 0.006 0.016 0.034 0.060 0.089 ...
Fundamentos del Análisis de Datos Bayesiano en R

Representar una distribución calculada

plot(n_visitors, probability, type = "h")

Fundamentos del Análisis de Datos Bayesiano en R

Distribuciones continuas

  • La distribución Uniforme
x <- runif(n = 100000, min = 0.0, max = 0.2)
hist(x)

Fundamentos del Análisis de Datos Bayesiano en R

Distribuciones continuas

  • La distribución Uniforme
    • La versión «d» de runif es dunif:
dunif(x = 0.12, min = 0.0, max = 0.2)

5
  • Densidad de probabilidad: una especie de probabilidad relativa
x = seq(0, 0.2, by=0.01)
dunif(x, min = 0.0, max = 0.2)

5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5
Fundamentos del Análisis de Datos Bayesiano en R

¡Pruébalo!

Fundamentos del Análisis de Datos Bayesiano en R

Preparing Video For Download...