library(tidyverse)rethink3m2
bayes
post
probability
bayes-box
Question
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 (Bayes-Box):
p_grid <- seq(from = 0, to = 1, length.out = 1000)
prior <- rep(1, 1000)
likelihood <- dbinom(8, size = 15, prob = p_grid)
post_unstand <- likelihood * prior
posterior <- post_unstand / sum(post_unstand)Stichproben-Postverteilung erstellen:
bayesbox <-
tibble(
p_grid = p_grid,
prior = prior,
lik = likelihood,
post_unstand = post_unstand,
post_std = posterior)
samples <-
bayesbox |>
slice_sample(n = 1e4,
weight_by = post_std,
replace = TRUE)Oder so:
samples <-
tibble(anteil_wasser = sample(p_grid, prob = posterior, size = 1e4, replace = TRUE))
head(samples)| anteil_wasser |
|---|
| 0.5525526 |
| 0.6776777 |
| 0.3303303 |
| 0.4764765 |
| 0.6256256 |
| 0.5085085 |
samples %>%
ggplot() +
aes(x = anteil_wasser) +
geom_histogram() +
labs(title = "Stichproben aus der Posteriori-Verteilung")
Oder mit ggpubr:
library(ggpubr)
gghistogram(samples, x = "anteil_wasser")
library(easystats)
hdi(samples, ci = 0.9)| Parameter | CI | CI_low | CI_high |
|---|---|---|---|
| anteil_wasser | 0.9 | 0.3463463 | 0.7357357 |
Aufgabenname: rethink3m2
Meta-information
extype: string exsolution: NA exname: rethink3m2 expoints: 1 categories: - bayes - post - probability - bayes-box