Правила теории вероятностей

Основы байесовского анализа данных в R

Rasmus Bååth

Data Scientist

Хорошие и плохие новости

• Плохая новость
  • Используемый метод вычислений плохо масштабируется.
• Хорошая новость
  • Байесовские вычисления — активно развивающаяся область исследований.
  • Существует много методов для более эффективного подбора байесовских моделей.
  • Результат будет тем же — просто вы получите его быстрее.

Теория вероятностей

• Вероятность
  • Число от 0 до 1.
  • Мера определённости/неопределённости.
• Математическая нотация:
  • P(n_visitors = 13) — это вероятность
  • P(n_visitors) — это распределение вероятностей
  • P(n_visitors = 13 | prop_clicks = 10%) — это условная вероятность
  • P(n_visitors | prop_clicks = 10%) — это условное распределение вероятностей

P(n_visitors | prop_clicks = 10%)

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

Работа с вероятностями

Работа с вероятностями

• Правило сложения

Работа с вероятностями

• Правило сложения
  • p(1 или 2 или 3)

Работа с вероятностями

• Правило сложения
  • p(1 или 2 или 3) = 1/6 + 1/6 + 1/6 = 0,5

Работа с вероятностями

• Правило сложения
  • p(1 или 2 или 3) = 1/6 + 1/6 + 1/6 = 0,5
• Правило умножения

Работа с вероятностями

• Правило сложения
  • p(1 или 2 или 3) = 1/6 + 1/6 + 1/6 = 0,5
• Правило умножения
  • p(6 и 6)

Работа с вероятностями

• Правило сложения
  • p(1 или 2 или 3) = 1/6 + 1/6 + 1/6 = 0,5
• Правило умножения
  • p(6 и 6) = 1/6 * 1/6 = 1 / 36 = 2,8%

Работа с вероятностями

• Правило сложения
  • p(1 или 2 или 3) = 1/6 + 1/6 + 1/6 = 0,5
• Правило умножения
  • p(6 и 6) = 1/6 * 1/6 = 1 / 36 = 2,8%

 

• Foundations of Probability in R

Давайте потренируемся!

Основы байесовского анализа данных в R