Что вы изучили? Что осталось за рамками курса?

Основы байесовского анализа данных в R

Rasmus Bååth

Data Scientist

Мы рассмотрели

Основы байесовского анализа данных в R

Мы рассмотрели

Основы байесовского анализа данных в R

Мы рассмотрели

Основы байесовского анализа данных в R

Мы рассмотрели

Основы байесовского анализа данных в R

Мы рассмотрели

  • Вычислительные методы
    • Метод отбора с отклонением
    • Сеточная аппроксимация
    • Марковские цепи Монте-Карло (MCMC)
Основы байесовского анализа данных в R

Мы рассмотрели

  • Генеративные модели:

Основы байесовского анализа данных в R
  • Работа с выборками, представляющими вероятностные распределения:
> 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
Основы байесовского анализа данных в R

Что осталось за рамками курса

  • Байесовский подход применим не только к простым моделям.
  • Как выбирать априорные распределения и модели.
  • Связь байесовской статистики с классической.
  • Более продвинутые вычислительные методы.
  • Более продвинутые вычислительные инструменты.
Основы байесовского анализа данных в R

Что осталось за рамками курса

Основы байесовского анализа данных в R

Исследуйте байесовский подход!

Основы байесовского анализа данных в R

До свидания и спасибо!

Основы байесовского анализа данных в R

Давайте потренируемся!

Основы байесовского анализа данных в R

Preparing Video For Download...