We kunnen rekenen!

Basisprincipes van Bayesiaanse data-analyse in R

Rasmus Bååth

Data Scientist

Simulatie vs. berekening

  • Simulatie met 'r'-functies, bijv. rbinom en rpois
  • P simuleren (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
  • Berekenen met 'd'-functies, bijv. dbinom en dpois
  • P berekenen (n_visitors = 13 | prob_success = 10%)
dbinom(13, size = 100, prob = 0.1)

0.074
Basisprincipes van Bayesiaanse data-analyse in R
  • P berekenen (n_visitors = 13 of n_visitors = 14 | prob_success = 10%)
dbinom(13, size = 100, prob = 0.1) + dbinom(14, size = 100, prob = 0.1)

0.126
  • P(n_visitors | prop_success = 10%) berekenen
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 ...
Basisprincipes van Bayesiaanse data-analyse in R

Een berekende verdeling plotten

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

Basisprincipes van Bayesiaanse data-analyse in R

Continue verdelingen

  • De uniforme verdeling
x <- runif(n = 100000, min = 0.0, max = 0.2)
hist(x)

Basisprincipes van Bayesiaanse data-analyse in R

Continue verdelingen

  • De uniforme verdeling
    • De d-versie van runif is dunif:
dunif(x = 0.12, min = 0.0, max = 0.2)

5
  • Kansdichtheid: soort relatieve kans
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
Basisprincipes van Bayesiaanse data-analyse in R

Probeer dit!

Basisprincipes van Bayesiaanse data-analyse in R

Preparing Video For Download...