rethink3m3

bayes
ppv
probability
Published

October 27, 2025

Question

Nehmen wir an, wir haben 8 (Wasser-)“Treffer” (\(W=8\)) bei 15 Würfen (\(N=15\)) erhalten (wieder im Globusversuch).

  1. Führen Sie einen Posteriori-Prädiktiv-Check durch: Erstellen Sie also eine Posteriori-Prädiktiv-Verteilung (PPV). Mit anderen Worten: Erstellen Sie die Stichprobenverteilung, gemittelt über die Posteriori-Wahrscheinlichkeiten des Wasseranteils \(p\)!

  2. Visualisieren Sie die PPV!

  3. Was ist die Wahrscheinlichkeit laut PPV 8 von 15 Treffer zu erzielen (also 8 Wasser in 15 Würfen)?

Hinweise:

  • Berechnen Sie eine Bayes-Box (Gittermethode).
  • Verwenden Sie 1000 Gitterwerte.
  • Gehen Sie von einem gleichverteilten Prior aus.
  • Fixieren Sie die Zufallszahlen mit dem Startwert 42, d.h. set.seed(42).
  • Wenn Sie einen Teil der Aufgaben nicht lösen können, überspringen Sie diesen Teil einfach.

Quelle: McElreath, R. (2020). Statistical rethinking: A Bayesian course with examples in R and Stan (2. Aufl.). Taylor and Francis, CRC Press.

Solution

library(tidyverse)

Erstellen wir zuerst wieder die Posteriori-Verteilung für den Globusversuch.

p_grid <- seq( from=0 , to=1 , length.out=1000 )  # Gitterwerte

prior <- rep(1, 1000 )  # Priori-Gewichte

likelihood <- dbinom(8 , size= 15, prob=p_grid ) 

unstandardisierte_posterior <- likelihood * prior 

posterior <- unstandardisierte_posterior / sum(unstandardisierte_posterior)

Dann ziehen wir unsere Stichproben daraus:

# um die Zufallszahlen festzulegen, damit alle die gleichen Zufallswerte bekommen: 
set.seed(42) 

# Stichproben ziehen aus der Posteriori-Verteilung
samples <- 
  tibble(
    p = sample(p_grid , prob=posterior, size=1e4, replace=TRUE))
PPV <- 
  samples %>% 
  mutate( anzahl_wasser = rbinom(1e4, size = 15, prob = p))

Durch prob = p gewichten wir die Wahrscheinlichkeit an den Werten der Posteriori-Verteilung.

So sehen die ersten paar Zeilen von PPV aus:

p anzahl_wasser
0.4304304 4
0.5575576 11
0.6516517 4
0.6156156 9
0.6716717 6
PPV %>% 
  ggplot() +
  aes(x = anzahl_wasser) +
  geom_bar()

PPV %>% 
  count(anzahl_wasser == 8)
anzahl_wasser == 8 n
FALSE 8536
TRUE 1464

Alternativer R-Code:

w <- rbinom(1e4, size = 15, prob = samples$p)
mean(w == 8)
[1] 0.1504

Quelle

Aufgabenname: rethink3m3

Meta-information

extype: string exsolution: NA exname: rethink3m3 expoints: 1 categories: - bayes - ppv - probability