Koşullu bir kestirme
Harika, hiçbir simülasyon yapmadan biraz Bayesian hesaplama yaptın! Ürettiğin grafik, 3. bölümde hesapladığın art dağılıma benzer olmalı. Ancak, bunun için oldukça fazla kod gerektiğini görebilirsin; kısaltabileceğimiz bir şey yok mu?
Evet, var! Veriye doğrudan koşullayabilirsin; önce ortak dağılımı oluşturman gerekmiyor.
Bu egzersiz, kursun bir parçasıdır
R ile Bayesyen Veri Analizinin Temelleri
Egzersiz talimatları
n_visitorsdeğerini doğrudan6olarak ayarla; sadeceseqifadesini değiştir.- Artık veriye koşullayan satırı ve hemen ardından
pars$probabilitydeğerlerini normalleştiren satırı kaldırabilirsin. - Son koda ekstra bir göz at ve bu değişiklikten sonra sonucun eskisiyle aynı olacağına kendini ikna et. :)
Uygulamalı etkileşimli egzersiz
Bu egzersizi bu örnek kodu tamamlayarak deneyin.
# Simplify the code below by directly conditioning on the data
n_ads_shown <- 100
proportion_clicks <- seq(0, 1, by = 0.01)
n_visitors <- seq(0, 100, by = 1)
pars <- expand.grid(proportion_clicks = proportion_clicks,
n_visitors = n_visitors)
pars$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)
pars <- pars[pars$n_visitors == 6, ]
pars$probability <- pars$probability / sum(pars$probability)
plot(pars$proportion_clicks, pars$probability, type = "h")