เปลี่ยนได้ทุกอย่าง

พื้นฐานการวิเคราะห์ข้อมูลแบบ Bayesian ใน R

Rasmus Bååth

Data Scientist

เหตุผลถัดไปในการใช้ Bayesian data analysis

1. สามารถรวมแหล่งข้อมูลอื่นนอกเหนือจากข้อมูลที่มีได้
2. สามารถเปรียบเทียบกลุ่มหรือชุดข้อมูลใดก็ได้
3. สามารถนำผลการวิเคราะห์แบบ Bayesian ไปใช้กับ Decision Analysis ได้
4. สามารถเปลี่ยนโมเดลทางสถิติพื้นฐานได้

เปลี่ยนโมเดล binomial ทั้งหมด

• ทำไม? เพราะมีข้อมูลใหม่...
• Banner ad บนเว็บไซต์ของคุณ
• ไม่ได้จ่ายต่อการแสดงผล แต่จ่ายต่อวัน
• ทดลองแล้วได้ 19 คลิกในหนึ่งวัน
• หากซื้อ banner นี้ คาดว่าจะมีผู้เข้าชมเว็บไซต์เฉลี่ยกี่ครั้งต่อวัน?

โมเดลสำหรับจำนวนครั้งต่อวัน

• แบ่งวันออกเป็น 1440 นาที
• สัดส่วนของนาทีที่มีการคลิก ad คือเท่าใด?

โมเดลสำหรับจำนวนครั้งต่อวัน

• แบ่งวันออกเป็น 1440 นาที
• สัดส่วนของนาทีที่มีการคลิก ad คือเท่าใด?
• แบ่งวันออกเป็น 86400 วินาที
• สัดส่วนของวินาทีที่มีการคลิก ad คือเท่าใด?

โมเดลสำหรับจำนวนครั้งต่อวัน

• แบ่งวันออกเป็น 1440 นาที
• สัดส่วนของนาทีที่มีการคลิก ad คือเท่าใด?
• แบ่งวันออกเป็น 86400 วินาที
• สัดส่วนของวินาทีที่มีการคลิก ad คือเท่าใด?
• แบ่งวันออกเป็น 86400000 มิลลิวินาที
• สัดส่วนของมิลลิวินาทีที่มีการคลิก ad คือเท่าใด?

โมเดลสำหรับจำนวนครั้งต่อวัน

• แบ่งวันออกเป็น 1440 นาที
• สัดส่วนของนาทีที่มีการคลิก ad คือเท่าใด?
• แบ่งวันออกเป็น 86400 วินาที
• สัดส่วนของวินาทีที่มีการคลิก ad คือเท่าใด?
• แบ่งวันออกเป็น 86400000 มิลลิวินาที
• สัดส่วนของมิลลิวินาทีที่มีการคลิก ad คือเท่าใด?
• แบ่งวันออกเป็นส่วนที่ไม่มีที่สิ้นสุด...
• ???

Poisson distribution

• มีพารามิเตอร์เดียว คือ ค่าเฉลี่ยจำนวนเหตุการณ์ต่อหน่วยเวลา
• rpois ใช้สุ่มตัวอย่างจาก Poisson distribution

Poisson distribution

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

มาฝึกกันในแบบฝึกหัดเลย!

พื้นฐานการวิเคราะห์ข้อมูลแบบ Bayesian ใน R