Question

我正在寻找R中的一个包，它可以帮助我计算事件的后验概率。有没有？

好的，我正在处理这样的数据集

年龄教育等级通过
group1 primary 50 no
group2 tertiary 20 no
group1 secondary 70是的 group2 secondary 67是的 group1 secondary 55是的 group1 secondary 49没有
group1 secondary 76是的

我之前通过考试的概率是0.6，现在我需要根据他的年龄，教育程度和成绩来获得学生通过的后验概率我知道我应该得到第一个P（年龄= group1 | pass = yes）* P（education = primary | pass = yes）* P（等级> 50 | pass = yes）
但是这应该针对每个案例（行）进行，并且我有一个1000行的日期所以，我以为我可以得到一个功能帮助我！

Answer 1

有许多包/功能可用。你应该看看Bayesian inference Task View

此外，如果您的先验不是完整分布并且只是概率的一个点估计，那么您可能实际上并没有进行贝叶斯推理，只是在频率框架中使用贝叶斯规则。非常不一样。但现在我们进入了CrossValidated领域。

Answer 2

这只是一个变量（教育）和变量（传递）的答案：

# get the prior probabilities  
prior<- c(prior_no, prior_yes)

# get contingency table of values for mydata
edu_table<- with(mydata,table(mydata$pass, mydata$education))

# get the sum across (pass)
tots<- apply(edu_table,1,sum)

# create matrix of 0's
ppn<- edu_table*0  
post<- edu_table*0  

# use a loop to get the prior probabilities& posterior probabilities
for(i in 1:length(tots)){
  for( j in 1: 4){

    ppn[i,j]=edu_table[i,j]/tots[i]
    post[i,j]=prior[i]*ppn[i,j]/(prior[1]*ppn[1,j]+prior[2]*ppn[2,j])

  }
} 

ppn # probability of education=j given y=i
post # posterior probability of y=i given education=j

在R中使用贝叶斯公式？

2 个答案: