Трохи передумови

Основи байєсівського аналізу даних у R

Rasmus Bååth

Data Scientist

Основи байєсівського аналізу даних у R

Ймовірність

  • Число між 0 і 1.
  • Твердження про певність / непевність.
  • 1 — повна певність, що щось є.
  • 0 — повна певність, що щось не є.
  • Не лише про події так/ні.
Основи байєсівського аналізу даних у R

Основи байєсівського аналізу даних у R

Основи байєсівського аналізу даних у R

 

 

 

Роль розподілів ймовірностей у баєсівському аналізі даних — представляти непевність, а роль баєсівського висновування — оновлювати розподіли, щоб відобразити знання, отримані з даних.

Основи байєсівського аналізу даних у R

Баєсівська модель для частки успіху

  • prop_model(data)
  • data — це вектор успіхів і невдач, поданих як 1 та 0.
  • Є невідома базова частка успіху.
  • Чи буде точка даних успіхом, залежить лише від цієї частки.
  • До спостереження даних усі можливі частки успіху однаково ймовірні.
  • Результат — розподіл ймовірності, що відображає знання моделі про базову частку успіху.
Основи байєсівського аналізу даних у R

Спробуймо prop_model

data <- c()
prop_model(data)

Основи байєсівського аналізу даних у R

Спробуймо prop_model

data <- c(0)
prop_model(data)

Основи байєсівського аналізу даних у R

Спробуймо prop_model

data <- c(0, 1)
prop_model(data)

Основи байєсівського аналізу даних у R

Спробуймо prop_model

data <- c(0, 1, 0)
prop_model(data)

Основи байєсівського аналізу даних у R

Спробуймо prop_model

data <- c(0, 1, 0, 0)
prop_model(data)

Основи байєсівського аналізу даних у R

Спробуймо prop_model

data <- c(0, 1, 0, 0, 0)
prop_model(data)

Основи байєсівського аналізу даних у R

Спробуймо prop_model

data <- c(0, 1, 0, 0, 0, 1)
prop_model(data)

Основи байєсівського аналізу даних у R

Тепер спробуйте prop_model!

Основи байєсівського аналізу даних у R

Preparing Video For Download...