Trochę historii

Podstawy bayesowskiej analizy danych w R

Rasmus Bååth

Data Scientist

Prawdopodobieństwo

Liczba z przedziału od 0 do 1.
Miara pewności lub niepewności.
1 oznacza pełną pewność, że coś zachodzi.
0 oznacza pełną pewność, że coś nie zachodzi.
Nie dotyczy wyłącznie zdarzeń tak/nie.

Rola rozkładów prawdopodobieństwa w bayesowskiej analizie danych polega na reprezentowaniu niepewności, a rola wnioskowania bayesowskiego — na aktualizowaniu tych rozkładów w oparciu o dane.

Bayesowski model proporcji sukcesu

prop_model(data)
data to wektor sukcesów i porażek reprezentowanych przez 1 i 0.
Istnieje nieznana proporcja sukcesu.
To, czy punkt danych jest sukcesem, zależy wyłącznie od tej proporcji.
Przed obserwacją danych każda proporcja sukcesu jest jednakowo prawdopodobna.
Wynikiem jest rozkład prawdopodobieństwa reprezentujący wiedzę modelu o proporcji sukcesu.

Testowanie prop_model

data <- c()
prop_model(data)

Testowanie prop_model

data <- c(0)
prop_model(data)

Testowanie prop_model

data <- c(0, 1)
prop_model(data)

Testowanie prop_model

data <- c(0, 1, 0)
prop_model(data)

Testowanie prop_model

data <- c(0, 1, 0, 0)
prop_model(data)

Testowanie prop_model

data <- c(0, 1, 0, 0, 0)
prop_model(data)

Testowanie prop_model

data <- c(0, 1, 0, 0, 0, 1)
prop_model(data)

Teraz Państwa kolej na testowanie prop_model!

Podstawy bayesowskiej analizy danych w R