กฎของความน่าจะเป็น

พื้นฐานการวิเคราะห์ข้อมูลแบบ Bayesian ใน R

Rasmus Bååth

Data Scientist

ข่าวร้ายและข่าวดี

• ข่าวร้าย
  • วิธีคำนวณที่ใช้อยู่ขยายขนาดได้แย่มาก
• ข่าวดี
  • การคำนวณแบบ Bayesian เป็นหัวข้อวิจัยที่ได้รับความสนใจสูง
  • มีหลายวิธีที่ช่วยให้ fit โมเดล Bayesian ได้มีประสิทธิภาพมากขึ้น
  • ผลลัพธ์จะเหมือนเดิม แค่ได้เร็วขึ้นเท่านั้น

ทฤษฎีความน่าจะเป็น

• ความน่าจะเป็น
  • ตัวเลขระหว่าง 0 ถึง 1
  • การแสดงระดับความแน่นอน/ความไม่แน่นอน
• สัญลักษณ์ทางคณิตศาสตร์:
  • P(n_visitors = 13) คือความน่าจะเป็น
  • P(n_visitors) คือการแจกแจงความน่าจะเป็น
  • P(n_visitors = 13 | prop_clicks = 10%) คือความน่าจะเป็นแบบมีเงื่อนไข
  • P(n_visitors | prop_clicks = 10%) คือการแจกแจงความน่าจะเป็นแบบมีเงื่อนไข

P(n_visitors | prop_clicks = 10%)

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

การจัดการความน่าจะเป็น

การจัดการความน่าจะเป็น

• กฎการบวก

การจัดการความน่าจะเป็น

• กฎการบวก
  • p(1 หรือ 2 หรือ 3)

การจัดการความน่าจะเป็น

• กฎการบวก
  • p(1 หรือ 2 หรือ 3) = 1/6 + 1/6 + 1/6 = 0.5

การจัดการความน่าจะเป็น

• กฎการบวก
  • p(1 หรือ 2 หรือ 3) = 1/6 + 1/6 + 1/6 = 0.5
• กฎการคูณ

การจัดการความน่าจะเป็น

• กฎการบวก
  • p(1 หรือ 2 หรือ 3) = 1/6 + 1/6 + 1/6 = 0.5
• กฎการคูณ
  • p(6 และ 6)

การจัดการความน่าจะเป็น

• กฎการบวก
  • p(1 หรือ 2 หรือ 3) = 1/6 + 1/6 + 1/6 = 0.5
• กฎการคูณ
  • p(6 และ 6) = 1/6 * 1/6 = 1 / 36 = 2.8%

การจัดการความน่าจะเป็น

• กฎการบวก
  • p(1 หรือ 2 หรือ 3) = 1/6 + 1/6 + 1/6 = 0.5
• กฎการคูณ
  • p(6 และ 6) = 1/6 * 1/6 = 1 / 36 = 2.8%

 

• Foundations of Probability in R

มาฝึกกันเถอะ!

พื้นฐานการวิเคราะห์ข้อมูลแบบ Bayesian ใน R