Um pouco de contexto

Fundamentos da Análise de Dados Bayesiana em R

Rasmus Bååth

Data Scientist

Probabilidade

Um número entre 0 e 1.
Uma afirmação sobre certeza/incs.
1 é certeza total de que algo é verdade.
0 é certeza total de que algo não é verdade.
Não é só sobre eventos sim/não.

O papel das distribuições de probabilidade na análise Bayesiana é representar a incerteza, e o papel da inferência Bayesiana é atualizar distribuições para refletir o que foi aprendido com os dados.

Um modelo Bayesiano para a proporção de sucesso

prop_model(data)
data é um vetor de sucessos e fracassos representados por 1s e 0s.
Há uma proporção de sucesso subjacente desconhecida.
Se um ponto é sucesso depende apenas dessa proporção.
Antes de ver dados, qualquer proporção subjacente é igualmente provável.
O resultado é uma distribuição que representa o que o modelo sabe sobre a proporção de sucesso.

Testando o prop_model

data <- c()
prop_model(data)

Testando o prop_model

data <- c(0)
prop_model(data)

Testando o prop_model

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

Testando o prop_model

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

Testando o prop_model

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

Testando o prop_model

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

Testando o prop_model

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

Agora, experimente o prop_model!

Fundamentos da Análise de Dados Bayesiana em R