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

cvičení

Naivní standardní chyby

Průměr \(m\) Markovova řetězce poskytuje odhad posteriórního průměru \(m\). Naivní standardní chyba měří potenciální nepřesnost tohoto odhadu. Na základě tohoto měření můžeme určit vhodnou délku řetězce. Představ si například, že tvým cílem je odhadnout posteriórní průměr \(m\) s přesností na 0.1 ms (v rámci standardní chyby). Pokud naměřená naivní standardní chyba tento cíl překročí, nevadí! Stačí spustit delší řetězec – chyba při aproximaci posterioru pomocí Markovova řetězce má tendenci klesat s rostoucí délkou řetězce.

K dispozici máš definovaný model sleep_model a zkompilovaný objekt sleep_jags.

Pokyny

100 XP

  • NASIMULUJ 1 000 vzorků z posteriórního modelu \(m\) a \(s\). Výsledky ulož do sleep_sim_1.

  • Získej summary() řetězců z sleep_sim_1.

  • Pokud naivní standardní chyba řetězce \(m\) překročí cílovou hodnotu 0.1, uprav simulaci: zkus použít buď 500, nebo 10 000 vzorků (místo 1 000). Výsledky ulož do sleep_sim_2.

  • Získej summary() řetězců z sleep_sim_2. Ověř, že nová simulace splňuje stanovené kritérium. Pokud ne, vrať se k předchozímu kroku a zopakuj ho!