Vous avez ajusté un modèle normal bayésien !

Principes fondamentaux de l'analyse de données bayésienne en R

Rasmus Bååth

Data Scientist

BEST

  • Un modèle bayésien développé par John Kruschke.
  • Suppose que les données proviennent d'une loi t.

Principes fondamentaux de l'analyse de données bayésienne en R

Principes fondamentaux de l'analyse de données bayésienne en R

Principes fondamentaux de l'analyse de données bayésienne en R

BEST

  • Un modèle bayésien développé par John Kruschke.
  • Suppose que les données proviennent d'une loi t.
  • Estime la moyenne, l'écart type et le paramètre de degrés de liberté.
  • library(BEST)
  • Utilise l'échantillonnage de Monte-Carlo par chaînes de Markov (MCMC).
Principes fondamentaux de l'analyse de données bayésienne en R

Utilisons BEST !

library(BEST)
iq <- c(55, 44, 34, 18, 51, 40, 40, 49, 48, 46)
Principes fondamentaux de l'analyse de données bayésienne en R

Utilisons BEST !

library(BEST)
iq <- c(55, 44, 34, 18, 51, 40, 40, 49, 48, 46)
fit <- BESTmcmc(iq)
Principes fondamentaux de l'analyse de données bayésienne en R

Utilisons BEST !

library(BEST)
iq <- c(55, 44, 34, 18, 51, 40, 40, 49, 48, 46)
fit <- BESTmcmc(iq)
fit

Résultats de l'ajustement MCMC pour l'analyse BEST :

       mean     sd median  HDIlo HDIup  
mu    43.15  3.810  43.28 35.367 50.49 
nu    27.42 26.647  18.91  1.001 81.59 
sigma 11.00  3.754  10.44  4.857 18.38
Principes fondamentaux de l'analyse de données bayésienne en R

Utilisons BEST !

library(BEST)
iq <- c(55, 44, 34, 18, 51, 40, 40, 49, 48, 46)
fit <- BESTmcmc(iq)
plot(fit)

Principes fondamentaux de l'analyse de données bayésienne en R

Essayez BEST vous-même !

Principes fondamentaux de l'analyse de données bayésienne en R

Preparing Video For Download...