R语言实战应用精讲50篇（二十三）-贝叶斯理论重要概念: 可信度Credibility, 模型Models, 和参数Parameters

文宇肃然

于 2022-06-24 05:00:00 发布

阅读量939

点赞数

CC 4.0 BY-SA版权

分类专栏： R语言实战应用案例精讲文章标签：数据挖掘时间序列 R语言

本文链接：https://blog.youkuaiyun.com/wenyusuran/article/details/121849124

本文介绍了贝叶斯数据分析的核心概念，包括贝叶斯推理、可能性作为描述性模型的参数值，以及贝叶斯分析的步骤。通过R语言展示了如何使用tidyverse、brms等包进行数据处理和模型构建，解释了如何在可能性之间重新分配可信度，并提供了多个图表示例来辅助理解。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

本章的目标是介绍贝叶斯数据分析的概念框架。贝叶斯数据分析有两个基本思想:

第一个想法是贝叶斯推理是在可能性之间重新分配可信度。
第二个基本思想是，我们分配可信度的可能性是有意义的数学模型中的参数值。

1贝叶斯推理是在可能性之间重新分配可信度

制作图 1 的第一步是将数据对象放在一起，我们使用tidyverse包。

library(tidyverse)

d <-
  crossing(iteration = 1:3,
           stage     = factor(c("Prior", "Posterior"),
                              levels = c("Prior", "Posterior"))) %>% 
  expand(nesting(iteration, stage),
         Possibilities = LETTERS[1:4]) %>% 
  mutate(Credibility   = c(rep(.25, times = 4),
                           0, rep(1/3, times = 3),
                           0, rep(1/3, times = 3),

了解本专栏