Умовляння на даних (знову)

Повернімося до прикладу з «зомбі»-сайтом, де ви тестували текстові оголошення. Із 100 показів текстового оголошення 6 із 100 користувачів клікнули й відвідали ваш сайт.

Праворуч наведено приблизно той код, який ви розробили в попередній вправі. pars наразі — це спільний розподіл для всіх комбінацій proportion_clicks і n_visitors.

Ця вправа є частиною курсу

Основи байєсівського аналізу даних у R

Переглянути курс

Інструкції до вправи

Застосуйте умовляння на даних і залиште лише рядки в pars, де n_visitors == 6.
Знову нормуйте pars$probability, щоб переконатися, що сума дорівнює 1.0.
Побудуйте графік апостеріорного pars$probability, використовуючи plot(x = , y = , type = "h"), із pars$proportion_clicks на осі x та pars$probability на осі y.

Інтерактивна практична вправа

Спробуйте виконати цю вправу, доповнивши цей зразок коду.

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(___)

Редагувати та запускати код