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

cvičení

Definuj, zkompiluj a simuluj

V rámci svého volebního tažení označme \(p\) jako podíl voličů v celkové populaci, kteří tě podporují. Na základě předchozích průzkumů a volebních dat je tvůj apriorní model \(p\) rozdělen jako Beta(\(a\),\(b\)) s parametry tvaru \(a = 45\) a \(b = 55\). Pro lepší pochopení \(p\) jsi také oslovil/a \(n\) potenciálních voličů. Závislost \(X\) – tedy počtu těchto voličů, kteří tě podporují – na \(p\) je modelována rozdělením Bin(\(n\),\(p\)).

V dokončeném průzkumu tě podpořilo \(X = 6\) z \(n = 10\) voličů. Dalším cílem je aktualizovat model \(p\) s ohledem na tato pozorovaná data z průzkumu! K tomu použiješ balíček rjags pro aproximaci posteriorního modelu \(p\). Cvičení je rozděleno do 3 kroků rjags: define, compile, simulate.

Pokyny 1/3

undefined XP
    1
    2
    3

Definuj bayesovský model:

  • Urči, že věrohodnostní model \(X\) je Bin(\(n\),\(p\)) a apriorní rozdělení \(p\) je Beta(\(a\),\(b\)). V syntaxi rjags se tato rozdělení zadávají jako dbin(p, n) a dbeta(a, b).
  • Ulož tento řetězec modelu jako vote_model.