Conditionner sur les données (encore)
Reprenons l'exemple du site infesté de zombies où vous avez testé des annonces textuelles. Sur 100 impressions de l'annonce texte, 6 personnes sur 100 ont cliqué et visité votre site.
À droite, vous retrouvez à peu près le code que vous avez développé dans l'exercice précédent. pars représente actuellement la distribution conjointe sur toutes les combinaisons de proportion_clicks et n_visitors.
Cet exercice fait partie du cours
<cours>Fondamentaux de l'analyse bayésienne des données en R</cours>Instructions de l’exercice
- Conditionnez sur les données et ne conservez que les lignes de
parsoùn_visitors == 6. - Normalisez à nouveau
pars$probabilitypour vous assurer que la somme vaut1.0. - Tracez la postérieure
pars$probabilityavecplot(x = , y = , type = "h"), en plaçantpars$proportion_clicksen abscisse etpars$probabilityen ordonnée.
Exercice interactif pratique
Essayez cet exercice en complétant ce code d’exemple.
n_ads_shown <- 100
proportion_clicks <- seq(0, 1, by = 0.01)
n_visitors <- seq(0, 100, by = 1)
pars <- expand.grid(proportion_clicks = proportion_clicks,
n_visitors = n_visitors)
pars$prior <- dunif(pars$proportion_clicks, min = 0, max = 0.2)
pars$likelihood <- dbinom(pars$n_visitors,
size = n_ads_shown, prob = pars$proportion_clicks)
pars$probability <- pars$likelihood * pars$prior
pars$probability <- pars$probability / sum(pars$probability)
# Condition on the data
pars <- ___
# Normalize again
pars$probability <- ___
# Plot the posterior pars$probability
plot(___)