Một chút bối cảnh

Những nền tảng của Phân tích dữ liệu Bayesian trong R

Rasmus Bååth

Data Scientist

Xác suất

Một số từ 0 đến 1.
Một phát biểu về mức độ chắc chắn/không chắc chắn.
1 là hoàn toàn chắc chắn điều đó đúng.
0 là hoàn toàn chắc chắn điều đó không đúng.
Không chỉ cho các sự kiện có/không.

Vai trò của phân phối xác suất trong phân tích dữ liệu Bayesian là biểu diễn sự bất định, và vai trò của suy luận Bayesian là cập nhật các phân phối xác suất để phản ánh những gì đã học được từ dữ liệu.

Một mô hình Bayesian cho tỷ lệ thành công

prop_model(data)
data là một vector thành công và thất bại biểu diễn bằng 1 và 0.
Có một tỷ lệ thành công cơ bản chưa biết.
Việc một điểm dữ liệu là thành công chỉ bị ảnh hưởng bởi tỷ lệ này.
Trước khi thấy dữ liệu, mọi tỷ lệ thành công cơ bản đều có khả năng như nhau.
Kết quả là một phân phối xác suất biểu diễn những gì mô hình biết về tỷ lệ thành công cơ bản.

Thử prop_model

data <- c()
prop_model(data)

Thử prop_model

data <- c(0)
prop_model(data)

Thử prop_model

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

Thử prop_model

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

Thử prop_model

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

Thử prop_model

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

Thử prop_model

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

Giờ đến lượt bạn thử prop_model!

Những nền tảng của Phân tích dữ liệu Bayesian trong R