Wat heb je geleerd? Wat misten we?

Basisprincipes van Bayesiaanse data-analyse in R

Rasmus Bååth

Data Scientist

We hebben behandeld

Basisprincipes van Bayesiaanse data-analyse in R

We hebben behandeld

Basisprincipes van Bayesiaanse data-analyse in R

We hebben behandeld

Basisprincipes van Bayesiaanse data-analyse in R

We hebben behandeld

Basisprincipes van Bayesiaanse data-analyse in R

We hebben behandeld

  • Computationele methoden
    • Rejection sampling
    • Grid approximation
    • Markov chain Monte Carlo (MCMC)
Basisprincipes van Bayesiaanse data-analyse in R

We hebben behandeld

  • Generatieve modellen:

Basisprincipes van Bayesiaanse data-analyse in R
  • Werken met steekproeven die kansverdelingen representeren:
> head(sample)
mu    sigma
39.39 10.18
39.39 21.77
40.90 20.26
45.45 13.20
34.84 12.70
40.90 12.70
pred_iq <- rnorm(10000, mean = sample$mu, sd = sample$sigma)
sum(pred_iq >= 60) / length(pred_iq)
0.0901
Basisprincipes van Bayesiaanse data-analyse in R

Wat we niet hebben behandeld

  • Dat je een Bayesiaanse aanpak op veel meer dan simpele modellen kunt toepassen.
  • Hoe je kiest welke priors en modellen je gebruikt.
  • Hoe Bayesiaanse statistiek zich verhoudt tot klassieke statistiek.
  • Meer geavanceerde computationele methoden.
  • Meer geavanceerde computationele tools.
Basisprincipes van Bayesiaanse data-analyse in R

Wat we niet hebben behandeld

Basisprincipes van Bayesiaanse data-analyse in R

Ga op ontdekking met Bayes!

Basisprincipes van Bayesiaanse data-analyse in R

Doei en bedankt!

Basisprincipes van Bayesiaanse data-analyse in R

Laten we oefenen!

Basisprincipes van Bayesiaanse data-analyse in R

Preparing Video For Download...