Các quy tắc xác suất

Những nền tảng của Phân tích dữ liệu Bayesian trong R

Rasmus Bååth

Data Scientist

Tin xấu và tin tốt

• Tin xấu
  • Cách tính toán ta dùng mở rộng rất kém.
• Tin tốt
  • Tính toán Bayes là chủ đề nghiên cứu nóng.
  • Có nhiều phương pháp để khớp mô hình Bayes hiệu quả hơn.
  • Kết quả vẫn như nhau, chỉ là bạn sẽ nhận được nhanh hơn.

Lý thuyết xác suất

• Xác suất
  • Một số từ 0 đến 1.
  • Phát biểu về mức độ chắc chắn/không chắc chắn.
• Ký hiệu toán học:
  • P(n_visitors = 13) là một xác suất
  • P(n_visitors) là một phân phối xác suất
  • P(n_visitors = 13 | prop_clicks = 10%) là xác suất có điều kiện
  • P(n_visitors | prop_clicks = 10%) là phân phối xác suất có điều kiện

P(n_visitors | prop_clicks = 10%)

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

Biến đổi xác suất

Biến đổi xác suất

• Quy tắc cộng

Biến đổi xác suất

• Quy tắc cộng
  • p(1 hoặc 2 hoặc 3)

Biến đổi xác suất

• Quy tắc cộng
  • p(1 hoặc 2 hoặc 3) = 1/6 + 1/6 + 1/6 = 0,5

Biến đổi xác suất

• Quy tắc cộng
  • p(1 hoặc 2 hoặc 3) = 1/6 + 1/6 + 1/6 = 0,5
• Quy tắc nhân

Biến đổi xác suất

• Quy tắc cộng
  • p(1 hoặc 2 hoặc 3) = 1/6 + 1/6 + 1/6 = 0,5
• Quy tắc nhân
  • p(2 sáu)

Biến đổi xác suất

• Quy tắc cộng
  • p(1 hoặc 2 hoặc 3) = 1/6 + 1/6 + 1/6 = 0,5
• Quy tắc nhân
  • p(2 sáu) = 1/6 * 1/6 = 1 / 36 = 2,8%

Biến đổi xác suất

• Quy tắc cộng
  • p(1 hoặc 2 hoặc 3) = 1/6 + 1/6 + 1/6 = 0,5
• Quy tắc nhân
  • p(2 sáu) = 1/6 * 1/6 = 1 / 36 = 2,8%

 

• Foundations of Probability in R

Hãy thử áp dụng các quy tắc này!

Những nền tảng của Phân tích dữ liệu Bayesian trong R