Simulace Beta aprioru
Představ si, že kandiduješ ve volbách do veřejné funkce. Nechť \(p\) je tvá skutečná míra podpory, tedy podíl voličů, kteří plánují hlasovat pro tebe. Na základě dosavadních průzkumů je tvůj apriorní model \(p\) popsán Beta rozdělením s parametry tvaru 45 a 55.
Beta(45, 55) aprior aproximuješ pomocí náhodných vzorků z funkce rbeta(). Tato funkce přijímá tři argumenty: velikost vzorku (n) a dva parametry tvaru (shape1, shape2). Následně sestrojíš graf hustoty vzorků pomocí ggplot(). Tato funkce přijímá dva argumenty: datovou sadu obsahující vzorky a v rámci aes() proměnnou, která se vykreslí na osu x. Vrstva grafu hustoty se přidá pomocí geom_density().
Toto cvičení je součástí kurzu
Bayesovské modelování s RJAGS
Pokyny k cvičení
- Pomocí
rbeta()vygeneruj 10 000 vzorků z Beta(45, 55). Výsledek ulož do proměnnéprior_A. - Datový rámec
prior_simobsahuje vzorekprior_A. Použijggplot()naprior_sima sestrojte graf hustoty apriorních vzorků.
Interaktivní cvičení na vyzkoušení si v praxi
Vyzkoušejte si toto cvičení dokončením tohoto ukázkového kódu.
# Sample 10000 draws from Beta(45,55) prior
prior_A <- rbeta(n = ___, shape1 = ___, shape2 = ___)
# Store the results in a data frame
prior_sim <- data.frame(prior_A)
# Construct a density plot of the prior sample
ggplot(prior_sim, aes(x = ___)) +
geom_density()