Czego się nauczyliśmy? Czego nie omówiliśmy?

Podstawy bayesowskiej analizy danych w R

Rasmus Bååth

Data Scientist

Omówiliśmy

Podstawy bayesowskiej analizy danych w R

Omówiliśmy

Podstawy bayesowskiej analizy danych w R

Omówiliśmy

Podstawy bayesowskiej analizy danych w R

Omówiliśmy

Podstawy bayesowskiej analizy danych w R

Omówiliśmy

  • Metody obliczeniowe
    • Próbkowanie odrzuceniowe
    • Aproksymacja siatkowa
    • Metoda Monte Carlo łańcuchów Markowa (MCMC)
Podstawy bayesowskiej analizy danych w R

Omówiliśmy

  • Modele generatywne:

Podstawy bayesowskiej analizy danych w R
  • Praca z próbkami reprezentującymi rozkłady prawdopodobieństwa:
> head(sample)

mu    sigma
39.39 10.18
39.39 21.77
40.90 20.26
45.45 13.20
34.84 12.70
40.90 12.70

pred_iq <- rnorm(10000, mean = sample$mu, sd = sample$sigma)
sum(pred_iq >= 60) / length(pred_iq)

0.0901
Podstawy bayesowskiej analizy danych w R

Czego nie omówiliśmy

  • Zastosowanie podejścia bayesowskiego do bardziej złożonych modeli.
  • Wybór priorytetów i modeli.
  • Związek statystyki bayesowskiej ze statystyką klasyczną.
  • Zaawansowane metody obliczeniowe.
  • Zaawansowane narzędzia obliczeniowe.
Podstawy bayesowskiej analizy danych w R

Czego nie omówiliśmy

Podstawy bayesowskiej analizy danych w R

Odkrywaj statystykę bayesowską!

Podstawy bayesowskiej analizy danych w R

Do widzenia i dziękuję!

Podstawy bayesowskiej analizy danych w R

Czas na ćwiczenia!

Podstawy bayesowskiej analizy danych w R

Preparing Video For Download...