Mô hình tiên nghiệm

Mô hình hóa Bayesian với RJAGS

Alicia Johnson

Associate Professor, Macalester College

Mục tiêu khóa học

  • Khám phá các mô hình Bayesian nền tảng, dễ tổng quát (ví dụ: Beta-Binomial, Normal-Normal, và hồi quy Bayesian)

  • Định nghĩa, biên dịch và mô phỏng mô hình Bayesian bằng RJAGS

  • Thực hiện suy luận hậu nghiệm Bayesian từ đầu ra RJAGS

Mô hình hóa Bayesian với RJAGS

Bầu cử kiểu Bayesian: Tiên nghiệm

Mô hình hóa Bayesian với RJAGS

Bầu cử kiểu Bayesian: Tiên nghiệm

Mô hình hóa Bayesian với RJAGS

Bầu cử kiểu Bayesian: Tiên nghiệm

Mô hình hóa Bayesian với RJAGS

Bầu cử kiểu Bayesian: Dữ liệu

Mô hình hóa Bayesian với RJAGS

Bầu cử kiểu Bayesian: Hậu nghiệm

Mô hình hóa Bayesian với RJAGS

Bầu cử kiểu Bayesian: Dữ liệu mới

Mô hình hóa Bayesian với RJAGS

Bầu cử kiểu Bayesian: Hậu nghiệm mới

Mô hình hóa Bayesian với RJAGS

Bầu cử kiểu Bayesian: Dữ liệu mới hơn

Mô hình hóa Bayesian với RJAGS

Bầu cử kiểu Bayesian: Hậu nghiệm mới hơn

Mô hình hóa Bayesian với RJAGS

Tư duy Bayesian

Một mô hình hậu nghiệm Bayesian:

  • Kết hợp hiểu biết từ mô hình tiên nghiệm và dữ liệu quan sát
  • Cập nhật khi có dữ liệu mới

Mô hình hóa Bayesian với RJAGS

Xây dựng mô hình tiên nghiệm

  • $p$ = tỷ lệ ủng hộ bạn
  • $p$ nằm giữa 0 và 1
  • Mô hình tiên nghiệm cho $p$ là phân phối Beta với tham số dạng 45 và 55

$$p \sim \text{Beta}(45, 55)$$

Mô hình hóa Bayesian với RJAGS

Điều chỉnh tiên nghiệm

Mô hình hóa Bayesian với RJAGS

Cùng luyện tập nào!

Mô hình hóa Bayesian với RJAGS

Preparing Video For Download...