Nós podemos calcular!

Fundamentos da Análise de Dados Bayesiana em R

Rasmus Bååth

Data Scientist

Simulação vs. cálculo

  • Simulação com funções "r", por exemplo, rbinom e rpois
  • Simulando 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 com funções "d", por exemplo, dbinom e dpois
  • Calculando P(n_visitors = 13 | prob_success = 10%)
dbinom(13, size = 100, prob = 0.1)

0.074
Fundamentos da Análise de Dados Bayesiana em R
  • Calculando P(n_visitors = 13 ou n_visitors = 14 | prob_success = 10%)
dbinom(13, size = 100, prob = 0.1) + dbinom(14, size = 100, prob = 0.1)

0.126
  • Calculando 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 da Análise de Dados Bayesiana em R

Plotando uma distribuição calculada

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

Fundamentos da Análise de Dados Bayesiana em R

Distribuições contínuas

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

Fundamentos da Análise de Dados Bayesiana em R

Distribuições contínuas

  • A distribuição Uniforme
    • A versão d de runif é dunif:
dunif(x = 0.12, min = 0.0, max = 0.2)

5
  • Densidade de probabilidade: uma probabilidade 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 da Análise de Dados Bayesiana em R

Experimente agora!

Fundamentos da Análise de Dados Bayesiana em R

Preparing Video For Download...