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.
Toto cvičení je součástí kurzu
Bayesovské modelování s RJAGS
Pokyny k cvičení
- 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.
Interaktivní cvičení na vyzkoušení si v praxi
Vyzkoušejte si toto cvičení dokončením tohoto ukázkového kódu.
# Mark 1.1 on a posterior density plot for b
ggplot(___, aes(x = ___)) +
geom_density() +
geom_vline(xintercept = ___, color = "red")
# Summarize the number of b chain values that exceed 1.1
# Calculate the proportion of b chain values that exceed 1.1