Melaporkan hasil Bayesian

Analisis Data Bayesian dengan Python

Michal Oleszak

Machine Learning Engineer

Cara yang jujur

Laporkan prior dan posterior setiap parameter

posterior_draws

array([8.02800413, 8.97359548, 7.57437476, ..., 5.85264609, 7.92875104,
       7.41463758])

Plot distribusi prior dan posterior

sns.kdeplot(prior_draws, shade=True, label="prior")
sns.kdeplot(posterior_draws, shade=True, label="posterior")

Cara yang jujur

Dua plot densitas saling menumpuk. Keduanya berbentuk lonceng. Prior berpusat di 0, pendek dan lebar; posterior berpusat di sekitar 7 dan jauh lebih tinggi serta lebih sempit.

Cara yang jujur

Dua plot densitas saling menumpuk. Keduanya berbentuk lonceng. Prior berpusat di 0, pendek dan lebar; posterior berpusat di sekitar 7 dan jauh lebih tinggi serta lebih sempit.

Cara yang jujur

Dua plot densitas saling menumpuk. Keduanya berbentuk lonceng. Prior berpusat di 0, pendek dan lebar; posterior berpusat di sekitar 7 dan jauh lebih tinggi serta lebih sempit.

Cara yang jujur

Dua plot densitas saling menumpuk. Keduanya berbentuk lonceng. Prior berpusat di 0, pendek dan lebar; posterior berpusat di sekitar 7 dan jauh lebih tinggi serta lebih sempit.

Taksiran titik Bayesian

Tidak ada satu angka pun yang dapat mewakili semua informasi dalam sebuah distribusi
Namun, kadang diperlukan taksiran titik suatu parameter

Plot densitas berbentuk lonceng.

Taksiran titik Bayesian

Tidak ada satu angka pun yang dapat mewakili semua informasi dalam sebuah distribusi
Namun, kadang diperlukan taksiran titik suatu parameter

posterior_mean = np.mean(posterior_draws)

Plot densitas berbentuk lonceng dengan garis vertikal menandai rataan.

Taksiran titik Bayesian

Tidak ada satu angka pun yang dapat mewakili semua informasi dalam sebuah distribusi
Namun, kadang diperlukan taksiran titik suatu parameter

posterior_mean = np.mean(posterior_draws)
posterior_median = np.median(posterior_draws)

Plot densitas berbentuk lonceng dengan garis vertikal menandai median.

Taksiran titik Bayesian

Tidak ada satu angka pun yang dapat mewakili semua informasi dalam sebuah distribusi
Namun, kadang diperlukan taksiran titik suatu parameter

posterior_mean = np.mean(posterior_draws)
posterior_median = np.median(posterior_draws)
posterior_p75 = np.percentile(posterior_draws, 75)

Plot densitas berbentuk lonceng dengan garis vertikal menandai persentil ke-75.

Interval kredibel

Suatu interval dengan probabilitas parameter berada di dalamnya sebesar x%
Semakin lebar interval kredibel, semakin besar ketidakpastian taksiran parameter
Parameter bersifat acak, jadi dapat berada dalam interval dengan probabilitas tertentu
Dalam pendekatan frequentist, interval (kepercayaan) bersifat acak sedangkan parameter tetap

Plot densitas berbentuk lonceng dengan dua garis vertikal putus-putus menandai area di antaranya.

Kerapatan Posterior Tertinggi (HPD)

GIF plot densitas berbentuk lonceng yang menampilkan garis horizontal turun di area plot, menghasilkan peningkatan massa probabilitas di antara titik tempat garis memotong plot.

import arviz as az

hpd = az.hdi(posterior_draws, 
             hdi_prob=0.9)
print(hpd)

[-4.86840193  4.96075498]

Ayo berlatih melaporkan hasil Bayesian!

Analisis Data Bayesian dengan Python