Regras de probabilidade

Fundamentos da Análise de Dados Bayesiana em R

Rasmus Bååth

Data Scientist

Más e boas notícias

• Más notícias
  • O método de cálculo que usamos não escala bem.
• Boas notícias
  • Cálculo Bayesiano é um tema quente de pesquisa.
  • Há muitos métodos para ajustar modelos Bayesianos com mais eficiência.
  • O resultado será o mesmo, só chega mais rápido.

Teoria da probabilidade

• Probabilidade
  • Um número entre 0 e 1.
  • Uma afirmação de certeza/incerteza.
• Notação matemática:
  • P(n_visitors = 13) é uma probabilidade
  • P(n_visitors) é uma distribuição de probabilidade
  • P(n_visitors = 13 | prop_clicks = 10%) é uma probabilidade condicional
  • P(n_visitors | prop_clicks = 10%) é uma distribuição de probabilidade condicional

P(n_visitors | prop_clicks = 10%)

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

Manipulando probabilidade

Manipulando probabilidade

• A regra da soma

Manipulando probabilidade

• A regra da soma
  • p(1 ou 2 ou 3)

Manipulando probabilidade

• A regra da soma
  • p(1 ou 2 ou 3) = 1/6 + 1/6 + 1/6 = 0,5

Manipulando probabilidade

• A regra da soma
  • p(1 ou 2 ou 3) = 1/6 + 1/6 + 1/6 = 0,5
• A regra do produto

Manipulando probabilidade

• A regra da soma
  • p(1 ou 2 ou 3) = 1/6 + 1/6 + 1/6 = 0,5
• A regra do produto
  • p(6 e 6)

Manipulando probabilidade

• A regra da soma
  • p(1 ou 2 ou 3) = 1/6 + 1/6 + 1/6 = 0,5
• A regra do produto
  • p(6 e 6) = 1/6 * 1/6 = 1 / 36 = 2,8%

Manipulando probabilidade

• A regra da soma
  • p(1 ou 2 ou 3) = 1/6 + 1/6 + 1/6 = 0,5
• A regra do produto
  • p(6 e 6) = 1/6 * 1/6 = 1 / 36 = 2,8%

 

• Foundations of Probability in R

Vamos praticar!

Fundamentos da Análise de Dados Bayesiana em R