開始使用免費開始

主頁
課程
R 的 Bayesian 資料分析基礎

用先驗分佈表達不確定性

Create Your Free Account

or

Email Address

Password

By continuing, you accept our Terms of Use, our Privacy Policy and that your data is stored in the USA.

本練習屬於課程

R 的 Bayesian 資料分析基礎

SkillTag.level.intermediateSkillTag.label

4.9+

免費開始學習課程

本章將帶你認識 Bayesian 資料分析，並讓你直觀感受它如何運作。

Exercise 1: Bayes 的初體驗 Exercise 2: 未知與冰淇淋 Exercise 3: 來試試做一次貝葉斯資料分析 Exercise 4: 用 prop_model 模擬擲硬幣 Exercise 5: 使用 prop_model 分析殭屍藥物 Exercise 6: 樣本與後驗摘要 Exercise 7: 檢視來自 prop_model 的樣本 Exercise 8: 摘要殭屍藥物實驗 Exercise 9: 你已經完成一些 Bayesian 資料分析！

本章將詳細探討 Bayesian 推論的基礎。

Exercise 1: 貝葉斯推論所需的要素 Exercise 2: 動手玩一個生成式模型 Exercise 3: 讓二項分配上場實作看看 Exercise 4: 使用生成式模型 Exercise 5: 你的网站可能會有多少訪客（1）？Exercise 6: 用先驗分佈表達不確定性

當前練習

Exercise 7: 為模型加入先驗 Exercise 8: Bayesian 模型與條件化 Exercise 9: 用資料更新貝氏模型 Exercise 10: 你的网站可能會有多少訪客（3）？Exercise 11: 我們完成了什麼？

本章將說明 4 個理由，解釋為什麼 Bayesian 資料分析是你資料科學工具帶中的實用工具。

Exercise 1: 使用貝氏方法的四個好處 Exercise 2: 探索將 Beta 分配作為先驗的用法 Exercise 3: 選出最能反映資訊的先驗分佈 Exercise 4: 將模型改為使用具資訊性的先驗 Exercise 5: 對照與比較 Exercise 6: 使用另一個資料集來擬合模型 Exercise 7: 計算後驗差異 Exercise 8: 決策分析 Exercise 9: 小型決策分析 1 Exercise 10: 一個小型決策分析 2 Exercise 11: 改變所有可以改的東西 Exercise 12: Poisson 分配 Exercise 13: 以每天點擊數取代每則廣告的點擊數 Exercise 14: Bayes 最佳，但也有前提…

了解貝氏定理的核心概念，以及如何將其用於統計推論。

Exercise 1: 機率規則 Exercise 2: 撲克牌與加法法則 Exercise 3: 撲克牌與乘法法則 Exercise 4: 計算概似度 Exercise 5: 從 rbinom 到 dbinom Exercise 6: 使用 dbinom 計算機率 Exercise 7: 貝氏計算 Exercise 8: 計算聯合分配 Exercise 9: 再次以資料作為條件 Exercise 10: 條件化的捷徑 Exercise 11: 貝葉斯定理 Exercise 12: Poisson 模型說明

學習如何使用常態分配分析連續型資料，並在 R 中試用實作的 Bayesian 分析工具。

Exercise 1: 常態湖的水溫 Exercise 2: rnorm、dnorm 與新生兒體重 Exercise 3: 水溫的貝葉斯模型 Exercise 4: 殭屍 IQ 的貝氏模型 Exercise 5: 用目測來猜殭屍的平均 IQ？Exercise 6: 回答這個問題：我該辦一場海灘派對嗎？Exercise 7: 從殭屍的後驗分佈取樣 Exercise 8: 但下一個殭屍會有多聰明？Exercise 9: 實用工具：BEST Exercise 10: 最佳模型與減肥中的殭屍 Exercise 11: BEST 具備穩健性 Exercise 12: 你學到了什麼？我們還漏了哪些？