Aturan probabilitas

Dasar-dasar Analisis Data Bayesian di R

Rasmus Bååth

Data Scientist

Kabar buruk dan kabar baik

• Kabar buruk
  • Metode komputasi yang kita pakai skalanya sangat buruk.
• Kabar baik
  • Komputasi Bayesian adalah topik riset hangat.
  • Ada banyak metode untuk memfitting model Bayesian lebih efisien.
  • Hasilnya sama, Anda hanya mendapatkannya lebih cepat.

Teori probabilitas

• Probabilitas
  • Angka antara 0 dan 1.
  • Pernyataan kepastian/ketidakpastian.
• Notasi matematika:
  • P(n_visitors = 13) adalah probabilitas
  • P(n_visitors) adalah sebaran probabilitas
  • P(n_visitors = 13 | prop_clicks = 10%) adalah probabilitas bersyarat
  • P(n_visitors | prop_clicks = 10%) adalah sebaran probabilitas bersyarat

P(n_visitors | prop_clicks = 10%)

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

Memanipulasi probabilitas

Memanipulasi probabilitas

• Aturan penjumlahan

Memanipulasi probabilitas

• Aturan penjumlahan
  • p(1 atau 2 atau 3)

Memanipulasi probabilitas

• Aturan penjumlahan
  • p(1 atau 2 atau 3) = 1/6 + 1/6 + 1/6 = 0,5

Memanipulasi probabilitas

• Aturan penjumlahan
  • p(1 atau 2 atau 3) = 1/6 + 1/6 + 1/6 = 0,5
• Aturan perkalian

Memanipulasi probabilitas

• Aturan penjumlahan
  • p(1 atau 2 atau 3) = 1/6 + 1/6 + 1/6 = 0,5
• Aturan perkalian
  • p(6 dan 6)

Memanipulasi probabilitas

• Aturan penjumlahan
  • p(1 atau 2 atau 3) = 1/6 + 1/6 + 1/6 = 0,5
• Aturan perkalian
  • p(6 dan 6) = 1/6 * 1/6 = 1 / 36 = 2,8%

Memanipulasi probabilitas

• Aturan penjumlahan
  • p(1 atau 2 atau 3) = 1/6 + 1/6 + 1/6 = 0,5
• Aturan perkalian
  • p(6 dan 6) = 1/6 * 1/6 = 1 / 36 = 2,8%

 

• Foundations of Probability in R

Mari coba aturan ini!

Dasar-dasar Analisis Data Bayesian di R