Reprodukovatelnost
Teď, když máš za sebou diagnostiku Markovových řetězců (a úspěšně jsi ji prošel/a!), je čas dokončit simulaci v RJAGS. V tuto chvíli je klíčová reprodukovatelnost. Aby simulace vždy vracela stejné výsledky, musíš nastavit seed generátoru náhodných čísel v RJAGS. Funguje to trochu jinak než v základním R — místo set.seed() zadáš počáteční seed pomocí inits = list(.RNG.name = "base::Wichmann-Hill", .RNG.seed = ___) při kompilaci modelu.
Toto cvičení je součástí kurzu
Bayesovské modelování s RJAGS
Pokyny k cvičení
Spusť přiložený kód několikrát. Všimni si, že statistiky z
summary()se pokaždé mění.Pro reprodukovatelné výsledky předej generátoru náhodných čísel parametr
initsfunkcijags.model(). Nastav počáteční seed na hodnotu 1989.Spusť nový kód několikrát. Všimni si, že statistiky z
summary()se teď already nemění!
Interaktivní cvičení na vyzkoušení si v praxi
Vyzkoušejte si toto cvičení dokončením tohoto ukázkového kódu.
# COMPILE the model
sleep_jags <- jags.model(textConnection(sleep_model), data = list(Y = sleep_study$diff_3))
# SIMULATE the posterior
sleep_sim <- coda.samples(model = sleep_jags, variable.names = c("m", "s"), n.iter = 10000)
# Summarize the m and s chains of sleep_sim
summary(sleep_sim)