1. Učit se
    2. /
  2. Kurzy
    3. /
  3. Bayesovské modelování s RJAGS
Connected

cvičení

Posteriorní pravděpodobnosti

Využil/a jsi výstup z RJAGS k prozkoumání a kvantifikaci posteriorního trendu a nejistoty \(b\). Výstup z RJAGS ale umožňuje i testování konkrétních hypotéz. Například: jaká je posteriorní pravděpodobnost, že průměrně hmotnost vzroste o více než 1,1 kg na každý 1 cm nárůstu výšky? Jinými slovy, jaká je posteriorní pravděpodobnost, že \(b > 1.1\)?

Tuto pravděpodobnost budeš aproximovat podílem hodnot Markovova řetězce \(b\), které překračují 1.1. Datový rámec weight_chains se 100 000 iteracemi výstupu Markovova řetězce máš k dispozici ve svém pracovním prostředí.

Pokyny

100 XP
  • Sestav graf hustoty hodnot Markovova řetězce \(b\) a pomocí geom_vline() do něj vykresli svislou čáru na hodnotě 1.1.
  • Pomocí table() shrň počet hodnot Markovova řetězce \(b\), které překračují 1.1.
  • Pomocí mean() vypočítej podíl hodnot Markovova řetězce \(b\), které překračují 1.1.