คำนวณได้เลย!

พื้นฐานการวิเคราะห์ข้อมูลแบบ Bayesian ใน R

Rasmus Bååth

Data Scientist

การจำลองเทียบกับการคำนวณ

  • การจำลองด้วยฟังก์ชัน 'r' เช่น rbinom และ rpois
  • จำลอง P(n_visitors = 13 | prob_success = 10%)
n_visitors <- rbinom(n = 100000, size = 100, prob = 0.1)
sum(n_visitors == 13) / length(n_visitors)

0.074
  • การคำนวณด้วยฟังก์ชัน 'd' เช่น dbinom และ dpois
  • คำนวณ P(n_visitors = 13 | prob_success = 10%)
dbinom(13, size = 100, prob = 0.1)

0.074
พื้นฐานการวิเคราะห์ข้อมูลแบบ Bayesian ใน R
  • คำนวณ P(n_visitors = 13 หรือ n_visitors = 14 | prob_success = 10%)
dbinom(13, size = 100, prob = 0.1) + dbinom(14, size = 100, prob = 0.1)

0.126
  • คำนวณ P(n_visitors | prop_success = 10%)
n_visitors = seq(0, 100, by = 1)
probability <- dbinom(n_visitors, size = 100, prob = 0.1)

n_visitors

0 1 2 3 4 5 6 7 ...

probability

0.000 0.000 0.002 0.006 0.016 0.034 0.060 0.089 ...
พื้นฐานการวิเคราะห์ข้อมูลแบบ Bayesian ใน R

การพล็อตการแจกแจงที่คำนวณได้

plot(n_visitors, probability, type = "h")

พื้นฐานการวิเคราะห์ข้อมูลแบบ Bayesian ใน R

การแจกแจงแบบต่อเนื่อง

  • การแจกแจงแบบสม่ำเสมอ (Uniform distribution)
x <- runif(n = 100000, min = 0.0, max = 0.2)
hist(x)

พื้นฐานการวิเคราะห์ข้อมูลแบบ Bayesian ใน R

การแจกแจงแบบต่อเนื่อง

  • การแจกแจงแบบสม่ำเสมอ
    • เวอร์ชัน d ของ runif คือ dunif:
dunif(x = 0.12, min = 0.0, max = 0.2)

5
  • ความหนาแน่นของความน่าจะเป็น (density): เป็นค่าความน่าจะเป็นเชิงสัมพัทธ์
x = seq(0, 0.2, by=0.01)
dunif(x, min = 0.0, max = 0.2)

5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5
พื้นฐานการวิเคราะห์ข้อมูลแบบ Bayesian ใน R

มาฝึกกันเถอะ!

พื้นฐานการวิเคราะห์ข้อมูลแบบ Bayesian ใน R

Preparing Video For Download...