Tout peut changer

Principes fondamentaux de l'analyse de données bayésienne en R

Rasmus Bååth

Data Scientist

Prochaines raisons d'utiliser l'analyse bayésienne

1. Vous pouvez intégrer d'autres sources d'information en plus des données.
2. Vous pouvez comparer librement des groupes ou des ensembles de données.
3. Vous pouvez utiliser le résultat d'une analyse bayésienne pour l'analyse décisionnelle.
4. Vous pouvez changer le modèle statistique sous-jacent.

Remplacer complètement le modèle binomial

• Pourquoi? Vous avez de nouvelles données…
• Une bannière publicitaire pour votre site.
• Vous ne payez pas à l'affichage, mais à la journée.
• Un essai a donné 19 clics en une journée
• Combien de visites quotidiennes prévoir, en moyenne, si nous payons pour cette bannière?

Un modèle pour des décomptes par jour

• Diviser la journée en 1 440 minutes.
• Quelle proportion de minutes produit un clic sur la pub?

Un modèle pour des décomptes par jour

• Diviser la journée en 1 440 minutes.
• Quelle proportion de minutes produit un clic sur la pub?
• Diviser la journée en 86 400 secondes.
• Quelle proportion de secondes produit un clic sur la pub?

Un modèle pour des décomptes par jour

• Diviser la journée en 1 440 minutes.
• Quelle proportion de minutes produit un clic sur la pub?
• Diviser la journée en 86 400 secondes.
• Quelle proportion de secondes produit un clic sur la pub?
• Diviser la journée en 86 400 000 millisecondes.
• Quelle proportion de millisecondes produit un clic sur la pub?

Un modèle pour des décomptes par jour

• Diviser la journée en 1 440 minutes.
• Quelle proportion de minutes produit un clic sur la pub?
• Diviser la journée en 86 400 secondes.
• Quelle proportion de secondes produit un clic sur la pub?
• Diviser la journée en 86 400 000 millisecondes.
• Quelle proportion de millisecondes produit un clic sur la pub?
• Diviser la journée en une infinité de parties…
• ???

La loi de Poisson

• Un paramètre : le nombre moyen d'événements par unité de temps.
• rpois échantillonne dans la loi de Poisson.

La loi de Poisson

n_clicks <- rpois(n = 100000, lambda = 20)
hist(n_clicks)

Passons à la pratique !

Principes fondamentaux de l'analyse de données bayésienne en R