stipro-bayesbox01

R
bayes
bayes-grid
probability
Published

July 14, 2026

Question

Erstellen Sie die Stichproben-Bayesbox wie im Skript (Anfang von Kap. “Post-Verteilung”, d.h. Kap. 6.2.1, Globusversuch) dargestellt.

Beantworten Sie dann folgende Frage:

Wie groß ist die Wahrscheinlichkeit (auf Basis der Stichproben-Bayesbox), dass der Wasseranteil mind.* 60% beträgt?* 🤔

🤖 Ich weiß es!

💆 Mir doch egal.

Hinweise:

Solution

Setup:

library(tidyverse)

“Normale” Bayes-Box erstellen, auf Basis des Globus-Versuchs:

# Globusversuch wie in Kap. 6.2.1:
n <- 11
n_success <- 6          
n_trials  <- 9
p_grid <- seq(from = 0, to = 1, length.out = n)
L <- dbinom(n_success, size = n_trials, prob = p_grid)

d <-  # Bayesbox!
  tibble(p_grid = p_grid,prior  = 1) %>% 
  mutate(likelihood = L) %>% 
  mutate(unstand_post = (likelihood * prior),
         post = unstand_post / sum(unstand_post))

Mal schauen:

d
p_grid prior likelihood unstand_post post
0.0 1 0.0000000 0.0000000 0.0000000
0.1 1 0.0000612 0.0000612 0.0000612
0.2 1 0.0027525 0.0027525 0.0027507
0.3 1 0.0210039 0.0210039 0.0209903
0.4 1 0.0743178 0.0743178 0.0742695
0.5 1 0.1640625 0.1640625 0.1639559
0.6 1 0.2508227 0.2508227 0.2506596
0.7 1 0.2668279 0.2668279 0.2666545
0.8 1 0.1761608 0.1761608 0.1760463
0.9 1 0.0446410 0.0446410 0.0446120
1.0 1 0.0000000 0.0000000 0.0000000

Stichproben-Bayes-Box (samples) erstellen:

set.seed(42)
samples <-
  d %>%  # nimmt die Tabelle mit Posteriori-Daten,
  slice_sample(  # Ziehe daraus eine Stichprobe,
    n = 1e4,  # mit insgesamt n=10000 Zeilen,
    weight_by = post,  # Gewichte nach Post-Wskt.,
    replace = T)  %>%  # Ziehe mit Zurücklegen
  select(p_grid)

Mit set.seed fixieren wir die Zufallszahlen. Dann kommt immer und bei allen die gleichen Zufallszahlen raus. 🤷

Mal rein schauen:

head(samples, 10)  # nur die ersten 10 von 10 000 Zeilen
p_grid
0.4
0.9
0.6
0.5
0.8
0.8
0.5
0.7
0.8
0.5

Jetzt kann man die Stipro-Bayes-Box befragen:

“Wskt für Wasseranteil von mind. 60%?”

samples |> 
  count(p_grid >= .6)
p_grid >= 0.6 n
FALSE 2624
TRUE 7376

Die Tabelle kann man einfach auslesen. Oder man lässt sich den Anteil noch von R berechnen:

loesung <- 
  samples |> 
  count(p_grid >= .6) |> 
  mutate(wkst = n/sum(n))

loesung
p_grid >= 0.6 n wkst
FALSE 2624 0.2624
TRUE 7376 0.7376

Lösung: 0.74.

Aufgabenname: stipro-bayesbox01

Meta-information

exname: stipro-bayesbox01 extype: num exsolution: 0.74 exshuffle: false extol: .02 expoints: 1 categories: - R - bayes - bayes-grid - probability