使用python进行贝叶斯统计分析|附代码数据

原文链接：http://tecdat.cn/?p=7637

最近我们被客户要求撰写关于贝叶斯统计的研究报告，包括一些图形和统计输出。

本文讲解了使用PyMC3进行基本的贝叶斯统计分析过程. （ 点击文末“阅读原文”获取完整代码数据******** ）。

# Imports
import pymc3 as pm # python的概率编程包
import numpy.random as npr # numpy是用来做科学计算的
import numpy as np
import matplotlib.pyplot as plt # matplotlib是用来画图的
import matplotlib as mpl

from collections import Counter # ? 
import seaborn as sns # ? 
# import missingno as msno # 用来应对缺失的数据

# Set plotting style
# plt.style.use('fivethirtyeight')
sns.set_style('white')
sns.set_context('poster')

%load_ext autoreload
%autoreload 2
%matplotlib inline
%config InlineBackend.figure_format = 'retina'

import warnings
warnings.filterwarnings('ignore')

拓端

，赞37

使用python进行贝叶斯统计分析

贝叶斯公式

贝叶斯主义者的思维方式

根据证据不断更新信念

`pymc3`

常见的统计分析问题

参数估计: "真实值是否等于X"
比较两组实验数据: "实验组是否与对照组不同? "

问题1: 参数估计

"真实值是否等于X?"

或者说

"给定数据，对于感兴趣的参数，可能值的概率分布是多少？"

例 1: 抛硬币问题

我把我的硬币抛了 _n_次，正面是 _h_次。这枚硬币是有偏的吗？

参数估计问题parameterized problem

先验假设

对参数预先的假设分布: p∼Uniform(0,1)
likelihood function(似然函数, 翻译这词还不如英文原文呢): data∼Bernoulli(p)

# 产生所需要的数据
from random import shuffle
total = 30
n_heads = 11
n_tails = total - n_heads
tosses = [1] * n_heads + [0] * n_tails
shuffle(tosses)

数据

fig = plot_coins()
plt.show()

点击标题查阅往期内容

R语言中的block Gibbs吉布斯采样贝叶斯多元线性回归

左右滑动查看更多

MCMC Inference Button (TM)

100%|██████████| 2500/2500 [00:00<00:00, 3382.23it/s]

结果

pm.traceplot(coin_trace)
plt.show()

In [10]:

 plt.show()

95% highest posterior density (HPD, 大概类似于置信区间) 包含了 region of practical equivalence (ROPE, 实际等同区间).

例 2: 药品活性问题

我有一个新开发的分子X; X在阻止流感病毒复制方面有多好？

实验

测试X的浓度范围, 测量流感活性
计算 IC50: 能够抑制病毒复制活性50%的X浓度.

data

 import pandas as pd

chem_df = pd.DataFrame(chem_data)
chem_df.columns = ['concentration', 'activity']
chem_df['concentration_log'] = chem_df['concentration'].apply(lambda x:np.log10(x))
# df.set_index('concentration', inplace=True)

参数化问题parameterized problem

给定数据, 求出化学物质的IC50值是多少, 并且求出置信区间( 原文中the uncertainty surrounding it, 后面看类似置信区间的含义)?

先验知识

由药学知识已知测量函数(measurement function): m=β1+ex−IC50
测量函数中的参数估计, 来自先验知识: β∼HalfNormal(1002)
关于感兴趣参数的先验知识: log(IC50)∼ImproperFlat
likelihood function: data∼N(m,1)

数据

In [13]:

fig = plot_chemical_data(log=True)
plt.show()

MCMC Inference Button (TM)

In [16]:

pm.traceplot(ic50_trace[2000:], varnames=['IC50_log10', 'IC50'])  # live: sample from step 2000 onwards.
plt.show()

结果

In [17]:

pm.plot_posterior(ic50_trace[4000:], varnames=['IC50'], 
                  color='#87ceeb', point_estimate='mean')
plt.show()

该化学物质的 IC50 大约在[2 mM, 2.4 mM] (95% HPD). 这不是个好的药物候选者. 在这个问提上不确定性影响不大, 看看单位数量级就知道IC50在毫摩的物质没什么用...

第二类问题: 实验组之间的比较

"实验组和对照组之间是否有差别? "

例 1: 药品对IQ的影响问题

药品治疗是否影响(提高)IQ分数?

 def ECDF(data):
    x = np.sort(data)
    y = np.cumsum(x) / np.sum(x)
    
    return x, y

def plot_drug():
    fig = plt.figure()
    ax = fig.add_subplot(1,1,1)
    x_drug, y_drug = ECDF(drug)
    ax.plot(x_drug, y_drug, label='drug, n={0}'.format(len(drug)))
    x_placebo, y_placebo = ECDF(placebo)
    ax.plot(x_placebo, y_placebo, label='placebo, n={0}'.format(len(placebo)))
    ax.legend()
    ax.set_xlabel('IQ Score')
    ax.set_ylabel('Cumulative Frequency')
    ax.hlines(0.5, ax.get_xlim()[0], ax.get_xlim()[1], linestyle='--')
    
    return fig

In [19]:

# Eric Ma自己很好奇, 从频率主义的观点, 差别是否已经是具有"具有统计学意义"

from scipy.stats import ttest_ind

ttest_ind(drug, placebo) # (非配对) t检验. P=0.025, 已经<0.05了

Out[19]:

Ttest_indResult(statistic=2.2806701634329549, pvalue=0.025011500508647616)

实验

参与者被随机分为两组:
- 给药组 vs. 安慰剂组
测量参与者的IQ分数

先验知识

被测数据符合t分布: data∼StudentsT(μ,σ,ν)

以下为t分布的几个参数:

均值符合正态分布: μ∼N(0,1002)
自由度(degrees of freedom)符合指数分布: ν∼Exp(30)
方差是positively-distributed: σ∼HalfCauchy(1002)

数据

In [20]:

fig = plot_drug()
plt.show()

代码

In [21]:

y_vals = np.concatenate([drug, placebo])
labels = ['drug'] * len(drug) + ['placebo'] * len(placebo)

data = pd.DataFrame([y_vals, labels]).T
data.columns = ['IQ', 'treatment']

MCMC Inference Button (TM)

结果

In [24]:

pm.traceplot(kruschke_trace[2000:], 
             varnames=['mu_drug', 'mu_placebo'])
plt.show()

In [25]:

pm.plot_posterior(kruschke_trace[2000:], color='#87ceeb',
            varnames=['mu_drug', 'mu_placebo', 'diff_means'])
plt.show()

IQ均值的差距为: [0.5, 4.6]
频率主义的 p-value: 0.02 (!!!!!!!!)

注: IQ的差异在10以上才有点意义. p-value=0.02说明组间有差异, 但没说差异有多大. 这个故事说的是虽然有差异, 但是差异太小了, 也没啥意思.

In [27]:

 ax = adjust_forestplot_for_slides(ax)
plt.show()

森林图：在同一轴上的95％HPD（细线），IQR（粗线）和后验分布的中位数（点），使我们能够直接比较治疗组和对照组。

In [29]:

ax = pm.plot_posterior(kruschke_trace[2000:], 
                       varnames=['effect_size'],
                       color='#87ceeb')
overlay_effect_size(ax)

效果大小（Cohen's d, 效果微小, 效果中等, 效果很大）可以从微小到很大（95％HPD [0.0，0.77]）。
这种药很可能是无关紧要的。
没有生物学意义的证据。

例 2: 手机消毒问题

比较两种常用的消毒方法, 和我的fancy方法, 哪种消毒方法更好

实验设计

将手机随机分到6组: 4 "fancy" 方法 + 2 "control" 方法.
处理前后对手机表面进行拭子菌培养
count 菌落数量, 比较处理前后的菌落计数

Out[30]:

sample_id                 int32
treatment                 int32
colonies_pre              int32
colonies_post             int32
morphologies_pre          int32
morphologies_post         int32
year                    float32
month                   float32
day                     float32
perc_reduction morph    float32
site                      int32
phone ID                float32
no case                 float32
frac_change_colonies    float64
dtype: object

数据

In [32]:

fig = plot_colonies_data()
plt.show()

先验知识

菌落计数符合泊松Poisson分布. 因此...

菌落计数符合泊松分布: dataij∼Poisson(μij),j∈[pre,post],i∈[1,2,3...]
泊松分布的参数是离散均匀分布: μij∼DiscreteUniform(0,104),j∈[pre,post],i∈[1,2,3...]
灭菌效力通过百分比变化测量，定义如下: mupre−mupostmupre

MCMC Inference Button (TM)

In [34]:

with poisson_estimation:
    poisson_trace = pm.sample(200000)

Assigned Metropolis to pre_mus
Assigned Metropolis to post_mus
100%|██████████| 200500/200500 [01:15<00:00, 2671.98it/s]

In [35]:

pm.traceplot(poisson_trace[50000:], varnames=['pre_mus', 'post_mus'])
plt.show()

结果

In [39]:

pm.forestplot(poisson_trace[50000:], varnames=['perc_change'], 
              ylabels=treatment_order) #, xrange=[0, 110])
plt.xlabel('Percentage Reduction')

ax = plt.gca()
ax = adjust_forestplot_for_slides(ax)

点击文末 “阅读原文”

获取全文完整资料。

本文选自《使用python进行贝叶斯统计分析》。

点击标题查阅往期内容

数据分享|R语言逻辑回归、Naive Bayes贝叶斯、决策树、随机森林算法预测心脏病
 R语言中的block Gibbs吉布斯采样贝叶斯多元线性回归
 Python用MCMC马尔科夫链蒙特卡洛、拒绝抽样和Metropolis-Hastings采样算法
 R语言贝叶斯METROPOLIS-HASTINGS GIBBS 吉布斯采样器估计变点指数分布分析泊松过程车站等待时间
 R语言马尔可夫MCMC中的METROPOLIS HASTINGS，MH算法抽样（采样）法可视化实例
 python贝叶斯随机过程：马尔可夫链Markov-Chain，MC和Metropolis-Hastings，MH采样算法可视化
 Python贝叶斯推断Metropolis-Hastings（M-H）MCMC采样算法的实现
 Metropolis Hastings采样和贝叶斯泊松回归Poisson模型
 Matlab用BUGS马尔可夫区制转换Markov switching随机波动率模型、序列蒙特卡罗SMC、M H采样分析时间序列 R语言RSTAN MCMC：NUTS采样算法用LASSO 构建贝叶斯线性回归模型分析职业声望数据
 R语言BUGS序列蒙特卡罗SMC、马尔可夫转换随机波动率SV模型、粒子滤波、Metropolis Hasting采样时间序列分析
 R语言Metropolis Hastings采样和贝叶斯泊松回归Poisson模型
 R语言贝叶斯MCMC：用rstan建立线性回归模型分析汽车数据和可视化诊断
 R语言贝叶斯MCMC：GLM逻辑回归、Rstan线性回归、Metropolis Hastings与Gibbs采样算法实例
 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
 R语言用Rcpp加速Metropolis-Hastings抽样估计贝叶斯逻辑回归模型的参数
 R语言逻辑回归、Naive Bayes贝叶斯、决策树、随机森林算法预测心脏病
 R语言中贝叶斯网络（BN）、动态贝叶斯网络、线性模型分析错颌畸形数据
 R语言中的block Gibbs吉布斯采样贝叶斯多元线性回归
 Python贝叶斯回归分析住房负担能力数据集
 R语言实现贝叶斯分位数回归、lasso和自适应lasso贝叶斯分位数回归分析
 Python用PyMC3实现贝叶斯线性回归模型
 R语言用WinBUGS 软件对学术能力测验建立层次（分层）贝叶斯模型
 R语言Gibbs抽样的贝叶斯简单线性回归仿真分析
 R语言和STAN,JAGS：用RSTAN,RJAG建立贝叶斯多元线性回归预测选举数据
 R语言基于copula的贝叶斯分层混合模型的诊断准确性研究
 R语言贝叶斯线性回归和多元线性回归构建工资预测模型
 R语言贝叶斯推断与MCMC：实现Metropolis-Hastings 采样算法示例
 R语言stan进行基于贝叶斯推断的回归模型
 R语言中RStan贝叶斯层次模型分析示例
 R语言使用Metropolis-Hastings采样算法自适应贝叶斯估计与可视化
 R语言随机搜索变量选择SSVS估计贝叶斯向量自回归（BVAR）模型
 WinBUGS对多元随机波动率模型：贝叶斯估计与模型比较
 R语言实现MCMC中的Metropolis–Hastings算法与吉布斯采样
 R语言贝叶斯推断与MCMC：实现Metropolis-Hastings 采样算法示例
 R语言使用Metropolis-Hastings采样算法自适应贝叶斯估计与可视化
 视频：R语言中的Stan概率编程MCMC采样的贝叶斯模型
 R语言MCMC:Metropolis-Hastings采样用于回归的贝叶斯估计

posted @ 2024-06-06 21:54 拓端tecdat 阅读(20) 评论(0) 编辑收藏举报

刷新页面返回顶部

大数据部落

中国专业的第三方数据服务提供商，提供定制化的一站式数据挖掘和统计分析咨询服务统计分析和数据挖掘咨询服务：http://y0.cn/teradat（咨询服务请联系官网客服）

使用python进行贝叶斯统计分析|附代码数据

原文链接：http://tecdat.cn/?p=7637

使用python进行贝叶斯统计分析

贝叶斯公式

贝叶斯主义者的思维方式

`pymc3`

常见的统计分析问题

问题1: 参数估计

例 1: 抛硬币问题

参数估计问题parameterized problem

先验假设

数据

MCMC Inference Button (TM)

结果

例 2: 药品活性问题

实验

data

参数化问题parameterized problem

先验知识

数据

MCMC Inference Button (TM)

结果

第二类问题: 实验组之间的比较

例 1: 药品对IQ的影响问题

实验

先验知识

数据

代码

MCMC Inference Button (TM)

结果

例 2: 手机消毒问题

实验设计

数据

先验知识

MCMC Inference Button (TM)

结果

公告

大数据部落

中国专业的第三方数据服务提供商，提供定制化的一站式数据挖掘和统计分析咨询服务 统计分析和数据挖掘咨询服务 ：http://y0.cn/teradat（咨询服务请联系官网客服）

使用python进行贝叶斯统计分析|附代码数据

原文链接：http://tecdat.cn/?p=7637

使用python进行贝叶斯统计分析

贝叶斯公式

贝叶斯主义者的思维方式

pymc3

常见的统计分析问题

问题1: 参数估计

例 1: 抛硬币问题

参数估计问题parameterized problem

先验假设

数据

MCMC Inference Button (TM)

结果

例 2: 药品活性问题

实验

data

参数化问题parameterized problem

先验知识

数据

MCMC Inference Button (TM)

结果

第二类问题: 实验组之间的比较

例 1: 药品对IQ的影响问题

实验

先验知识

数据

代码

MCMC Inference Button (TM)

结果

例 2: 手机消毒问题

实验设计

数据

先验知识

MCMC Inference Button (TM)

结果

公告

中国专业的第三方数据服务提供商，提供定制化的一站式数据挖掘和统计分析咨询服务统计分析和数据挖掘咨询服务：http://y0.cn/teradat（咨询服务请联系官网客服）

`pymc3`