我们可以计算！

R 中的贝叶斯数据分析基础

Rasmus Bååth

Data Scientist

模拟 vs 计算

  • 使用"r"函数模拟，例如 rbinom 和 rpois
  • 模拟 P(n_visitors = 13 | prob_success = 10%)
n_visitors <- rbinom(n = 100000, size = 100, prob = 0.1)
sum(n_visitors == 13) / length(n_visitors)

0.074
  • 使用"d"函数计算，例如 dbinom 和 dpois
  • 计算 P(n_visitors = 13 | prob_success = 10%)
dbinom(13, size = 100, prob = 0.1)

0.074
R 中的贝叶斯数据分析基础
  • 计算 P(n_visitors = 13 或 n_visitors = 14 | prob_success = 10%)
dbinom(13, size = 100, prob = 0.1) + dbinom(14, size = 100, prob = 0.1)

0.126
  • 计算 P(n_visitors | prop_success = 10%)
n_visitors = seq(0, 100, by = 1)
probability <- dbinom(n_visitors, size = 100, prob = 0.1)

n_visitors

0 1 2 3 4 5 6 7 ...

probability

0.000 0.000 0.002 0.006 0.016 0.034 0.060 0.089 ...
R 中的贝叶斯数据分析基础

绘制计算得到的分布

plot(n_visitors, probability, type = "h")

R 中的贝叶斯数据分析基础

连续型分布

  • 均匀分布
x <- runif(n = 100000, min = 0.0, max = 0.2)
hist(x)

R 中的贝叶斯数据分析基础

连续型分布

  • 均匀分布
    • runif 的 d-版本是 dunif：
dunif(x = 0.12, min = 0.0, max = 0.2)

5
  • 概率密度：一种相对概率
x = seq(0, 0.2, by=0.01)
dunif(x, min = 0.0, max = 0.2)

5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5
R 中的贝叶斯数据分析基础

试一试！

R 中的贝叶斯数据分析基础

Preparing Video For Download...