Reglas de probabilidad

Fundamentos del Análisis de Datos Bayesiano en R

Rasmus Bååth

Data Scientist

Malas y buenas noticias

• Malas noticias
  • El método de cálculo que usamos escala fatal.
• Buenas noticias
  • El cálculo bayesiano es un tema de investigación muy activo.
  • Hay muchos métodos para ajustar modelos bayesianos con más eficiencia.
  • El resultado será el mismo; solo lo obtendrás antes.

Teoría de la probabilidad

• Probabilidad
  • Un número entre 0 y 1.
  • Una medida de certeza/incertidumbre.
• Notación matemática:
  • P(n_visitors = 13) es una probabilidad
  • P(n_visitors) es una distribución de probabilidad
  • P(n_visitors = 13 | prop_clicks = 10%) es una probabilidad condicional
  • P(n_visitors | prop_clicks = 10%) es una distribución de probabilidad condicional

P(n_visitors | prop_clicks = 10%)

n_visitors <- rbinom(n = 10000, size = 100, prob = 0.1)
hist(n_visitors)

Manipular la probabilidad

Manipular la probabilidad

• La regla de la suma

Manipular la probabilidad

• La regla de la suma
  • p(1 o 2 o 3)

Manipular la probabilidad

• La regla de la suma
  • p(1 o 2 o 3) = 1/6 + 1/6 + 1/6 = 0,5

Manipular la probabilidad

• La regla de la suma
  • p(1 o 2 o 3) = 1/6 + 1/6 + 1/6 = 0,5
• La regla del producto

Manipular la probabilidad

• La regla de la suma
  • p(1 o 2 o 3) = 1/6 + 1/6 + 1/6 = 0,5
• La regla del producto
  • p(6 y 6)

Manipular la probabilidad

• La regla de la suma
  • p(1 o 2 o 3) = 1/6 + 1/6 + 1/6 = 0,5
• La regla del producto
  • p(6 y 6) = 1/6 * 1/6 = 1 / 36 = 2,8%

Manipular la probabilidad

• La regla de la suma
  • p(1 o 2 o 3) = 1/6 + 1/6 + 1/6 = 0,5
• La regla del producto
  • p(6 y 6) = 1/6 * 1/6 = 1 / 36 = 2,8%

 

• Fundamentos de probabilidad en R

¡Vamos a probar estas reglas!

Fundamentos del Análisis de Datos Bayesiano en R