Posteriorní prediktivní rozdělení

Datový rámec weight_chains (dostupný v tvém workspace) obsahuje 100 000 posteriorních predikcí Y_180 — tedy odhadů hmotnosti dospělého člověka s výškou 180 cm:

> head(weight_chains, 2)
          a        b        s iter    m_180    Y_180
1 -113.9029 1.072505 8.772007    1 79.14803 71.65811
2 -115.0644 1.077914 8.986393    2 78.96014 75.78893

Těchto 100 000 predikcí použiješ k aproximaci posteriorního prediktivního rozdělení hmotnosti dospělého člověka s výškou 180 cm. Data bdims jsou také k dispozici v tvém workspace.

Toto cvičení je součástí kurzu

Bayesovské modelování s RJAGS

Zobrazit kurz

Pokyny k cvičení

Pomocí 10 000 hodnot Y_180 sestav 95% posteriorní věrohodnostní interval pro hmotnost dospělého člověka s výškou 180 cm.
Sestav graf hustoty pro svých 100 000 posteriorních predikcí.
Sestav bodový graf závislosti wgt na hgt z dat bdims.
- Pomocí geom_abline() do grafu překresli posteriorní regresní přímku.
- Pomocí geom_segment() přidej svislou úsečku při hodnotě hgt 180, která zobrazuje dolní a horní mez (y a yend) intervalu ci_180.

Interaktivní cvičení na vyzkoušení si v praxi

Vyzkoušejte si toto cvičení dokončením tohoto ukázkového kódu.

# Construct a posterior credible interval for the prediction
ci_180 <- quantile(___, probs = c(___, ___))
ci_180

# Construct a density plot of the posterior predictions
ggplot(___, aes(x = ___)) + 
    geom_density() + 
    geom_vline(xintercept = ci_180, color = "red")

# Visualize the credible interval on a scatterplot of the data
ggplot(___, aes(x = ___, y = ___)) + 
    geom_point() + 
    geom_abline(intercept = mean(___), slope = mean(___), color = "red") + 
    geom_segment(x = 180, xend = 180, y = ___, yend = ___, color = "red")

Upravit a spustit kód