概率规则

R 中的贝叶斯数据分析基础

Rasmus Bååth

Data Scientist

坏消息与好消息

• 坏消息
  • 我们使用的计算方法扩展性很差。
• 好消息
  • 贝叶斯计算是热门研究方向。
  • 有许多方法可更高效地拟合贝叶斯模型。
  • 结果相同，只是更快得到。

概率论

• 概率
  • 介于 0 和 1 之间的数。
  • 对确定性/不确定性的表述。
• 数学记号：
  • P(n_visitors = 13) 是一个概率
  • P(n_visitors) 是一个概率分布
  • P(n_visitors = 13 | prop_clicks = 10%) 是条件概率
  • P(n_visitors | prop_clicks = 10%) 是条件概率分布

P(n_visitors | prop_clicks = 10%)

n_visitors <- rbinom(n = 10000, size = 100, prob = 0.1)
hist(n_visitors)

概率运算

概率运算

• 加法法则

概率运算

• 加法法则
  • p(1 或 2 或 3)

概率运算

• 加法法则
  • p(1 或 2 或 3) = 1/6 + 1/6 + 1/6 = 0.5

概率运算

• 加法法则
  • p(1 或 2 或 3) = 1/6 + 1/6 + 1/6 = 0.5
• 乘法法则

概率运算

• 加法法则
  • p(1 或 2 或 3) = 1/6 + 1/6 + 1/6 = 0.5
• 乘法法则
  • p(6 且 6)

概率运算

• 加法法则
  • p(1 或 2 或 3) = 1/6 + 1/6 + 1/6 = 0.5
• 乘法法则
  • p(6 且 6) = 1/6 * 1/6 = 1 / 36 = 2.8%

概率运算

• 加法法则
  • p(1 或 2 或 3) = 1/6 + 1/6 + 1/6 = 0.5
• 乘法法则
  • p(6 且 6) = 1/6 * 1/6 = 1 / 36 = 2.8%

 

• Foundations of Probability in R

来试试这些规则！

R 中的贝叶斯数据分析基础