Sedikit latar belakang

Dasar-dasar Analisis Data Bayesian di R

Rasmus Bååth

Data Scientist

Probabilitas

Angka antara 0 dan 1.
Pernyataan tentang kepastian/ketidakpastian.
1 berarti pasti benar.
0 berarti pasti tidak benar.
Bukan hanya untuk kejadian ya/tidak.

Peran distribusi probabilitas dalam analisis data Bayesian adalah merepresentasikan ketidakpastian, dan peran inferensi Bayesian adalah memperbarui distribusi probabilitas untuk mencerminkan apa yang dipelajari dari data.

Model Bayesian untuk proporsi sukses

prop_model(data)
data adalah vektor sukses dan gagal yang direpresentasikan oleh 1 dan 0.
Ada proporsi sukses dasar yang tidak diketahui.
Apakah titik data sukses hanya dipengaruhi oleh proporsi ini.
Sebelum melihat data, semua proporsi sukses dasar sama mungkinnya.
Hasilnya adalah distribusi probabilitas yang merepresentasikan pengetahuan model tentang proporsi sukses dasar.

Mencoba prop_model

data <- c()
prop_model(data)

Mencoba prop_model

data <- c(0)
prop_model(data)

Mencoba prop_model

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

Mencoba prop_model

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

Mencoba prop_model

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

Mencoba prop_model

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

Mencoba prop_model

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

Sekarang, Anda coba prop_model!

Dasar-dasar Analisis Data Bayesian di R