一些背景知識

R 的 Bayesian 資料分析基礎

Rasmus Bååth

Data Scientist

機率

• 介於 0 與 1 之間的數。
• 關於確定性／不確定性的陳述。
• 1 代表完全確定為真。
• 0 代表完全確定為假。
• 不僅限於是／否事件。

 

 

 

在貝氏資料分析中，機率分佈用來表徵不確定性；而貝氏推論的角色，是根據從資料學到的資訊，更新這些機率分佈。

成功比例的貝氏模型

• prop_model(data)
• data 是由 1（成功）與 0（失敗）組成的向量。
• 存在未知的「成功比例」。
• 每個資料點是否成功只受此比例影響。
• 在看到任何資料前，各種成功比例等可能。
• 輸出是一個機率分佈，表達模型對底層成功比例的認知。

試用 prop_model

data <- c()
prop_model(data)

試用 prop_model

data <- c(0)
prop_model(data)

試用 prop_model

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

試用 prop_model

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

試用 prop_model

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

試用 prop_model

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

試用 prop_model

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

現在換你來試試 prop_model！

R 的 Bayesian 資料分析基礎