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。
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),
- rep(c(0, .5), each = 2),
- rep(c(0, .5), each = 2),
- rep(0, times = 3), 1))
我们可以使用 head() 来查看数据的前几