Ви щойно виконали баєсівський аналіз даних!

Основи байєсівського аналізу даних у R

Rasmus Bååth

Data Scientist

Priors і Posteriors

Prior — це розподіл імовірностей, що відображає знання моделі до спостереження даних.
Posterior — це розподіл імовірностей, що відображає знання моделі після спостереження даних.

Розподіл імовірностей для кількості «6» під час кидання 5 кубиків

$$\text{p(x)} = {5\choose x}(\frac{1}{6})^x(1-(\frac{1}{6}))^{5-x}$$

number_of_sixes

1 1 0 0 1 0 1 2 0 1 0 0 1 0 0 0 0 0 1 1 1 0 1 1 0 0 2 0
0 1 0 0 1 0 0 1 0 1 2 0 1 0 0 0 1 2 1 2 0 0 1 1 3 3 0 0
1 1 1 1 1 0 0 1 2 0 1 3 1 1 1 0 1 0 1 2 0 1 1 0 1 1 1 0
2 1 0 4 0 1 2 1 1 1 2 0 1 0 1 1 0 0 2 0 0 0 0 0 1 1 0 1
0 0 0 0 2 0 0 0 0 0 1 1 0 0 2 1 1 1 0 2 1 1 1 0 0 1 1 1
...

mean(number_of_sixes)

0.83

posterior <- prop_model(data)
print(posterior)

0.23 0.36 0.20 0.21 0.12
0.10 0.03 0.16 0.09 0.14
0.23 0.05 0.15 0.26 0.22
...

Завершімо аналіз препарату проти зомбі!

Основи байєсівського аналізу даних у R