library(tidyverse)
ReThink3m2
bayes
post
probability
Exercise
Nehmen wir an, wir haben 8 (Wasser-)“Treffer” (\(W=8\)) bei 15 Würfen (\(N=15\)) erhalten (wieder im Globusversuch).
Ziehen Sie \(10^4\) Stichproben aus der Posteriori-Verteilung basierend auf der Gittermethode. Gehen Sie von einer gleichverteilung Priori-Wahrscheinlichkeit aus.
Visualisieren Sie die Verteilung der Stichproben.
Berechnen Sie ds 90%-HDI.
Hinweise:
- Berechnen Sie eine Bayes-Box (Gittermethode).
- Verwenden Sie 1000 Gitterwerte.
- Fixieren Sie die Zufallszahlen mit dem Startwert 42, d.h.
set.seed(42)
. - Gehen Sie von einem gleichverteilten Prior aus.
Quelle: McElreath, R. (2020). Statistical rethinking: A Bayesian course with examples in R and Stan (2. Aufl.). Taylor and Francis, CRC Press.
Solution
Post-Verteilung berechnen:
<- seq(from = 0, to = 1, length.out = 1000)
p_grid <- rep(1, 1000)
prior <- dbinom(8, size = 15, prob = p_grid)
likelihood <- likelihood * prior
posterior <- posterior / sum(posterior) posterior
Stichproben-Postverteilung erstellen:
<-
samples tibble(anteil_wasser = sample(p_grid, prob = posterior, size = 1e4, replace = TRUE))
head(samples)
# A tibble: 6 × 1
anteil_wasser
<dbl>
1 0.543
2 0.571
3 0.375
4 0.358
5 0.337
6 0.527
%>%
samples ggplot() +
aes(x = anteil_wasser) +
geom_histogram() +
labs(title = "Stichproben aus der Posteriori-Verteilung")
library(easystats)
hdi(samples, prob = 0.9)
Highest Density Interval
Parameter | 95% HDI
----------------------------
anteil_wasser | [0.32, 0.77]
Categories:
- bayes
- post
- probability