我們可以計算！

R 的 Bayesian 資料分析基礎

Rasmus Bååth

Data Scientist

模擬 vs. 計算

  • 使用「r」函式模擬，例如 rbinom 與 rpois
  • 模擬 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
  • 使用「d」函式計算，例如 dbinom 與 dpois
  • 計算 P(n_visitors = 13 | prob_success = 10%)
dbinom(13, size = 100, prob = 0.1)

0.074
R 的 Bayesian 資料分析基礎
  • 計算 P(n_visitors = 13 或 n_visitors = 14 | prob_success = 10%)
dbinom(13, size = 100, prob = 0.1) + dbinom(14, size = 100, prob = 0.1)

0.126
  • 計算 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 ...
R 的 Bayesian 資料分析基礎

繪製計算出的分配

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

R 的 Bayesian 資料分析基礎

連續型分配

  • 均勻分配
x <- runif(n = 100000, min = 0.0, max = 0.2)
hist(x)

R 的 Bayesian 資料分析基礎

連續型分配

  • 均勻分配
    • runif 的 d 版本是 dunif：
dunif(x = 0.12, min = 0.0, max = 0.2)

5
  • 機率「密度」：一種相對機率
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
R 的 Bayesian 資料分析基礎

試試看！

R 的 Bayesian 資料分析基礎

Preparing Video For Download...