Zmieniaj cokolwiek i wszystko

Podstawy bayesowskiej analizy danych w R

Rasmus Bååth

Data Scientist

Kolejny powód, by stosować bayesowską analizę danych

1. Można uwzględniać dodatkowe źródła informacji poza danymi.
2. Można dokonywać dowolnych porównań między grupami lub zbiorami danych.
3. Wyniki analizy bayesowskiej można wykorzystać do analizy decyzyjnej.
4. Można zmieniać leżący u podstaw model statystyczny.

Całkowita zamiana modelu dwumianowego

• Dlaczego? Masz nowe dane...
• Baner reklamowy Twojej witryny.
• Nie płacisz za wyświetlenia, lecz za dzień.
• W teście odnotowano 19 kliknięć dziennie.
• Ile wizyt dziennie możemy przeciętnie oczekiwać, płacąc za ten baner?

Model liczby zdarzeń dziennie

• Podziel dzień na 1440 minut.
• Jaki odsetek minut skutkuje kliknięciem reklamy?

Model liczby zdarzeń dziennie

• Podziel dzień na 1440 minut.
• Jaki odsetek minut skutkuje kliknięciem reklamy?
• Podziel dzień na 86400 sekund.
• Jaki odsetek sekund skutkuje kliknięciem reklamy?

Model liczby zdarzeń dziennie

• Podziel dzień na 1440 minut.
• Jaki odsetek minut skutkuje kliknięciem reklamy?
• Podziel dzień na 86400 sekund.
• Jaki odsetek sekund skutkuje kliknięciem reklamy?
• Podziel dzień na 86400000 milisekund.
• Jaki odsetek milisekund skutkuje kliknięciem reklamy?

Model liczby zdarzeń dziennie

• Podziel dzień na 1440 minut.
• Jaki odsetek minut skutkuje kliknięciem reklamy?
• Podziel dzień na 86400 sekund.
• Jaki odsetek sekund skutkuje kliknięciem reklamy?
• Podziel dzień na 86400000 milisekund.
• Jaki odsetek milisekund skutkuje kliknięciem reklamy?
• Podziel dzień na nieskończenie wiele części...
• ???

Rozkład Poissona

• Jeden parametr: średnia liczba zdarzeń na jednostkę czasu.
• rpois próbkuje z rozkładu Poissona.

Rozkład Poissona

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

Sprawdźmy to w ćwiczeniach!

Podstawy bayesowskiej analizy danych w R