拓端tecdat|R语言贝叶斯Poisson泊松-正态分布模型分析职业足球比赛进球数

时间:2021-07-21 17:34:20   收藏:0   阅读:0

原文链接:http://tecdat.cn/?p=23099 

原文出处:拓端数据部落公众号

在本文关于如何在R中进行贝叶斯分析。我们介绍贝叶斯分析,这个例子是关于职业足球比赛的进球数。

模型

首先,我们认为职业足球比赛的进球数来自分布技术图片,其中θ是平均进球数。现在假设我们用一位足球专家的意见来得出足球比赛的平均进球数,即参数θ,我们得到:技术图片

curve(dnorm(x, 2.5, 0.2), from = -2, to = 8,...)

 技术图片

我们想知道什么?

在这种情况下,我们想知道θ的后验分布是什么样子的,这个分布的平均值是什么。为了做到这一点,我们将在三种情况下分析:

我们有1个观察值x=1,来自分布为技术图片的总体。
我们有3个观测值x=c(1,3,5),来自一个具有技术图片分布的总体。
我们有10个观测值x=c(5,4,3,4,3,2,7,2,4,5),来自一个具有技术图片分布的总体。

理论方法

在这里,我想告诉你贝叶斯分析是如何分析的。首先,我们有一个来自具有未知参数θ的泊松分布的人口的似然函数。 

 技术图片

我们知道参数θ的先验分布p(θ)是由以下公式给出的。

技术图片

 最后,θ的后验分布为。

 技术图片

 其中常数C的计算方法如下。

技术图片

而后验分布E(θ|x)的平均值由以下公式给出。

技术图片

计算方法

在这里,你将学习如何在R中使用蒙特卡洛模拟来回答上面提出的问题。对于这三种情况,你将遵循以下步骤。

1. 定义数据

首先,你需要根据方案定义数据。

x <- 1 #第一种情况

2. 计算常数C

现在使用蒙特卡洛模拟来计算积分。为此,有必要从先验分布中产生N=10000个值θi,并在似然函数技术图片中评估它们。最后,为了得到C,这些值被平均化。R中的代码如下。 

  1.  
    N <- 100000  # 模拟值的数量
  2.  
    rnorm(n=N, mean = 2.5, sd = 0.2) #先验分布
  3.  
    prod(dpois(x=x, lambda = theta)) #似然函数
  4.  
     

技术图片


3. 寻找后验分布

计算完C后,你可以得到后验分布,如下所示。

  1.  
     
  2.  
            fvero(theta) * dnorm(x=theta) / C


 

4. 计算后验分布的平均数

最后你可以使用蒙特卡洛模拟计算积分来获得后验分布的平均值。 

  1.  
    integral <- mean(aux)
  2.  
    posterior <- integral/C 

技术图片


结果

如前所述,上面介绍的代码用于所有三种情况,唯一根据情况变化的是x。在这一节中,我们将为每种情况展示一张图,其中包含θ的先验和后验分布、后验分布的平均值(蓝色虚线)和观测值(粉红色的点)。

第一种情况

  1.  
    curve(dnorm(x, 2.5, 0.2), col=4,,x=x, y=rep(0, length(x)),
  2.  
    line,v = mposterior,legend=c("topright", legend=c("后验", "先验"),)

 技术图片

 

第二种情况
 

 技术图片

 

第三种情况

技术图片

 

结论

从结果中我们可以得出这样的结论:当我们有很少的观测数据时,如图1和图2,由于缺乏样本证据,后验分布将倾向于类似于先验分布。相反,当我们有大量的观测数据时,如图3,后验分布将偏离先验分布,因为数据将有更大的影响。

我希望你喜欢这篇文章并了解贝叶斯统计。我鼓励你用其他分布运行这个程序。


技术图片

最受欢迎的见解

1.R语言多元Logistic逻辑回归 应用案例

2.面板平滑转移回归(PSTR)分析案例实现

3.matlab中的偏最小二乘回归(PLSR)和主成分回归(PCR)

4.R语言泊松Poisson回归模型分析案例

5.R语言回归中的Hosmer-Lemeshow拟合优度检验

6.r语言中对LASSO回归,Ridge岭回归和Elastic Net模型实现

7.在R语言中实现Logistic逻辑回归

8.python用线性回归预测股票价格

9.R语言如何在生存分析与Cox回归中计算IDI,NRI指标

评论(0
© 2014 mamicode.com 版权所有 京ICP备13008772号-2  联系我们:gaon5@hotmail.com
迷上了代码!