Bạn vừa thực hiện phân tích dữ liệu Bayesian!

Những nền tảng của Phân tích dữ liệu Bayesian trong R

Rasmus Bååth

Data Scientist

Priors & Posteriors

Prior là một phân phối xác suất thể hiện những gì mô hình biết trước khi thấy dữ liệu.
Posterior là một phân phối xác suất thể hiện những gì mô hình biết sau khi đã thấy dữ liệu.

Phân phối xác suất số mặt 6 khi tung 5 viên xúc xắc

$$\text{p(x)} = {5\choose x}(\frac{1}{6})^x(1-(\frac{1}{6}))^{5-x}$$

number_of_sixes

1 1 0 0 1 0 1 2 0 1 0 0 1 0 0 0 0 0 1 1 1 0 1 1 0 0 2 0
0 1 0 0 1 0 0 1 0 1 2 0 1 0 0 0 1 2 1 2 0 0 1 1 3 3 0 0
1 1 1 1 1 0 0 1 2 0 1 3 1 1 1 0 1 0 1 2 0 1 1 0 1 1 1 0
2 1 0 4 0 1 2 1 1 1 2 0 1 0 1 1 0 0 2 0 0 0 0 0 1 1 0 1
0 0 0 0 2 0 0 0 0 0 1 1 0 0 2 1 1 1 0 2 1 1 1 0 0 1 1 1
...

mean(number_of_sixes)

0.83

posterior <- prop_model(data)
print(posterior)

0.23 0.36 0.20 0.21 0.12
0.10 0.03 0.16 0.09 0.14
0.23 0.05 0.15 0.26 0.22
...

Hoàn tất phân tích thuốc Zombie!

Những nền tảng của Phân tích dữ liệu Bayesian trong R