Model apriorní pravděpodobnosti

Bayesovské modelování s RJAGS

Alicia Johnson

Associate Professor, Macalester College

Cíle kurzu

Prozkoumejte základní bayesovské modely (např. Beta-Binomický, Normální-Normální a bayesovská regrese)
Definujte, kompilujte a simulujte bayesovské modely pomocí RJAGS
Provádějte bayesovskou posteriorní inferenci s využitím výstupu RJAGS

Bayesovské volby: Apriorní rozdělení

Bayesovské volby: Apriorní rozdělení

Bayesovské volby: Apriorní rozdělení

Bayesovské volby: Data

Bayesovské volby: Posteriorní rozdělení

Bayesovské volby: Nová data

Bayesovské volby: Nové posteriorní rozdělení

Bayesovské volby: Novější data

Bayesovské volby: Novější posteriorní rozdělení

Bayesovské myšlení

Bayesovský posteriorní model:

Kombinuje poznatky z apriorního modelu a pozorovaných dat
Vyvíjí se s příchodem nových dat

Sestavení apriorního modelu

$p$ = podíl podporovatelů
$p$ je mezi 0 a 1
Apriorní model pro $p$ je Beta rozdělení s parametry tvaru 45 a 55

$$p \sim \text{Beta}(45, 55)$$

Ladění apriorního modelu

Pojďme si procvičit!

Bayesovské modelování s RJAGS

Preparing Video For Download...