Dữ liệu & hàm khả năng

Mô hình hóa Bayesian với RJAGS

Alicia Johnson

Associate Professor, Macalester College

Dữ liệu thăm dò

  • Tham số
    $p$ = tỷ lệ ủng hộ bạn

  • Dữ liệu
    $X = 6$ trong $n = 10$ cử tri được hỏi dự định bầu cho bạn

  • Nhận định
    Khả năng quan sát dữ liệu này cao hơn nếu $p \approx 0.6$ so với khi $p < 0.5$.

Mô hình hóa Bayesian với RJAGS

Mô hình hóa sự phụ thuộc của X vào p

  • Giả định thăm dò:
    cử tri độc lập
    $p$ = xác suất một cử tri ủng hộ bạn

  • $X$ = số cử tri trong $n$ người được hỏi ủng hộ bạn
    (đếm số lần thành công trong $n$ phép thử độc lập, mỗi phép thử có xác suất thành công $p$)

  • Phân phối có điều kiện của $X$ khi biết $p$:
    $X \sim \text{Bin}(n,p)$

Mô hình hóa Bayesian với RJAGS

Sự phụ thuộc của X vào p

Mô hình hóa Bayesian với RJAGS

Sự phụ thuộc của X vào p

Mô hình hóa Bayesian với RJAGS

Sự phụ thuộc của X vào p

Mô hình hóa Bayesian với RJAGS

Sự phụ thuộc của X vào p

Mô hình hóa Bayesian với RJAGS

Khả năng là gì?

Mô hình hóa Bayesian với RJAGS

Hàm khả năng

Hàm khả năng tóm tắt mức độ có thể quan sát dữ liệu thăm dò $X$ dưới các giá trị khác nhau của tham số ủng hộ $p$. Đây là một hàm theo $p$.

  • Khả năng cao $\Rightarrow$ $p$ phù hợp với dữ liệu
  • Khả năng thấp $\Rightarrow$ $p$ không phù hợp với dữ liệu

Mô hình hóa Bayesian với RJAGS

Cùng luyện tập nào!

Mô hình hóa Bayesian với RJAGS

Preparing Video For Download...