Un poco de contexto

Fundamentos del Análisis de Datos Bayesiano en R

Rasmus Bååth

Data Scientist

Probabilidad

Un número entre 0 y 1.
Una afirmación sobre certeza/incertidumbre.
1 es certeza total de que algo ocurre.
0 es certeza total de que algo no ocurre.
No solo sobre eventos sí/no.

El papel de las distribuciones de probabilidad en el análisis de datos bayesiano es representar la incertidumbre, y el de la inferencia bayesiana es actualizar esas distribuciones para reflejar lo aprendido con los datos.

Un modelo bayesiano para la proporción de éxito

prop_model(data)
data es un vector de éxitos y fracasos representados por 1 y 0.
Hay una proporción de éxito subyacente desconocida.
Que un dato sea éxito depende solo de esa proporción.
Antes de ver datos, cualquier proporción subyacente es igual de probable.
El resultado es una distribución que representa lo que el modelo sabe sobre la proporción de éxito subyacente.

Probando prop_model

data <- c()
prop_model(data)

Probando prop_model

data <- c(0)
prop_model(data)

Probando prop_model

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

Probando prop_model

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

Probando prop_model

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

Probando prop_model

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

Probando prop_model

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

¡Ahora, prueba tú prop_model!

Fundamentos del Análisis de Datos Bayesiano en R