何でも変更できる

RによるベイズデータAnalysisの基礎

Rasmus Bååth

Data Scientist

ベイズデータ分析を使う理由（続き）

1. データ以外の情報源も取り込むことができる。
2. グループやデータセット間で任意の比較ができる。
3. ベイズ分析の結果を意思決定分析に活用できる。
4. 統計モデル自体を変更できる。

二項モデルを完全に置き換える

• なぜか？新しいデータがあるからです。
• サイトのバナー広告です。
• 閲覧ごとではなく、1日単位で料金が発生します。
• 試験運用で1日に19クリックを記録。
• このバナーに費用を払う場合、1日の平均訪問数はどれくらい期待できるか？

1日あたりのカウントモデル

• 1日を1440分に分割する。
• 何割の分にクリックが発生するか？

1日あたりのカウントモデル

• 1日を1440分に分割する。
• 何割の分にクリックが発生するか？
• 1日を86400秒に分割する。
• 何割の秒にクリックが発生するか？

1日あたりのカウントモデル

• 1日を1440分に分割する。
• 何割の分にクリックが発生するか？
• 1日を86400秒に分割する。
• 何割の秒にクリックが発生するか？
• 1日を86400000ミリ秒に分割する。
• 何割のミリ秒にクリックが発生するか？

1日あたりのカウントモデル

• 1日を1440分に分割する。
• 何割の分にクリックが発生するか？
• 1日を86400秒に分割する。
• 何割の秒にクリックが発生するか？
• 1日を86400000ミリ秒に分割する。
• 何割のミリ秒にクリックが発生するか？
• 1日を無限に分割すると...
• ???

ポアソン分布

• パラメータ：単位時間あたりの平均イベント数。
• rpois はポアソン分布からサンプリングする。

ポアソン分布

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

演習で確認しましょう！

RによるベイズデータAnalysisの基礎