Thay đổi mọi thứ, không giới hạn

Những nền tảng của Phân tích dữ liệu Bayesian trong R

Rasmus Bååth

Data Scientist

Lý do tiếp theo để dùng phân tích dữ liệu Bayesian

1. Bạn có thể đưa thêm nguồn thông tin ngoài dữ liệu.
2. Bạn có thể so sánh bất kỳ nhóm hay bộ dữ liệu nào.
3. Bạn có thể dùng kết quả phân tích Bayesian cho Phân tích Quyết định.
4. Bạn có thể thay đổi mô hình thống kê nền tảng.

Thay hẳn mô hình nhị thức

• Tại sao? Vì bạn có dữ liệu mới...
• Một banner ad cho trang web.
• Bạn không trả theo lượt xem, mà trả theo ngày.
• Thử nghiệm cho 19 lượt nhấp trong một ngày
• Trung bình kỳ vọng bao nhiêu lượt truy cập/ngày nếu trả cho banner này?

Mô hình cho số đếm theo ngày

• Chia một ngày thành 1440 phút.
• Tỷ lệ phút tạo ra một nhấp vào quảng cáo là bao nhiêu?

Mô hình cho số đếm theo ngày

• Chia một ngày thành 1440 phút.
• Tỷ lệ phút tạo ra một nhấp vào quảng cáo là bao nhiêu?
• Chia một ngày thành 86400 giây.
• Tỷ lệ giây tạo ra một nhấp vào quảng cáo là bao nhiêu?

Mô hình cho số đếm theo ngày

• Chia một ngày thành 1440 phút.
• Tỷ lệ phút tạo ra một nhấp vào quảng cáo là bao nhiêu?
• Chia một ngày thành 86400 giây.
• Tỷ lệ giây tạo ra một nhấp vào quảng cáo là bao nhiêu?
• Chia một ngày thành 86400000 mili giây.
• Tỷ lệ mili giây tạo ra một nhấp vào quảng cáo là bao nhiêu?

Mô hình cho số đếm theo ngày

• Chia một ngày thành 1440 phút.
• Tỷ lệ phút tạo ra một nhấp vào quảng cáo là bao nhiêu?
• Chia một ngày thành 86400 giây.
• Tỷ lệ giây tạo ra một nhấp vào quảng cáo là bao nhiêu?
• Chia một ngày thành 86400000 mili giây.
• Tỷ lệ mili giây tạo ra một nhấp vào quảng cáo là bao nhiêu?
• Chia một ngày thành vô hạn phần...
• ???

Phân phối Poisson

• Một tham số: Số sự kiện trung bình trên mỗi đơn vị thời gian.
• rpois lấy mẫu từ phân phối Poisson.

Phân phối Poisson

n_clicks <- rpois(n = 100000, lambda = 20)
hist(n_clicks)

Cùng luyện tập nào!

Những nền tảng của Phân tích dữ liệu Bayesian trong R