R语言实战应用精讲50篇（二十三）-贝叶斯理论重要概念: 可信度Credibility, 模型Models, 和参数Parameters

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。

1贝叶斯推理是在可能性之间重新分配可信度

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