Quem é Bayes? O que é Bayes?

Análise de Dados Bayesiana em Python

Michal Oleszak

Machine Learning Engineer

Quem é Bayes?

Thomas Bayes

¹ Public Domain, https://commons.wikimedia.org/w/index.php?curid=14532025

Uma pessoa do tempo prevendo 50% de chuva.

Nuvens escuras e carregadas com um trovão.

	Abordagem frequentista (clássica)	Abordagem bayesiana
probabilidade
parâmetros

	Abordagem frequentista (clássica)	Abordagem bayesiana
probabilidade	proporção de resultados	grau de crença
parâmetros

	Abordagem frequentista (clássica)	Abordagem bayesiana
probabilidade	proporção de resultados	grau de crença
parâmetros	valores fixos	variáveis aleatórias

Tratamento natural da incerteza (porque parâmetros têm distribuições!).
Dá para incluir opinião de especialistas ou conhecimento do domínio no modelo (porque probabilidade é grau de crença!).
Sem depender de constantes fixas como p-values.
Estatisticamente correto mesmo com poucos dados.
Muitas vezes coincide com resultados frequentistas, mas é mais flexível para criar modelos sob medida.

A distribuição de uma variável aleatória indica que valores ela pode assumir e com quais probabilidades.
Pode ser discreta (conjunto finito de valores) ou contínua (infinitos valores possíveis).
Distribuições contínuas podem ser visualizadas em um gráfico de densidade.

Uma curva simétrica em forma de sino, com pico perto de 165 no eixo X.

print(draws)

[146.58686154393, 159.40688614250, ..., ]

print(len(draws))

import matplotlib.pyplot as plt
import seaborn as sns
sns.kdeplot(draws, shade=True)
plt.show()

Uma curva simétrica em forma de sino, com pico perto de 165 no eixo X.

Análise de Dados Bayesiana em Python