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

cvičení

Inference pro parametr rychlosti Poissonova rozdělení

Připomeň si strukturu věrohodnosti pro bayesovský Poissonův regresní model objemu \(Y\)i podle stavu pracovního dne \(X\)i a teploty \(Z\)i:

\(Y\)i \(\sim Pois(l\)i) where \(l\)i\( \; = exp(a + b \; X\)i \(+ c \; Z\)i\()\)

V tvém pracovním prostředí je simulace posterioru modelu poisson_sim o 10 000 iteracích v RJAGS spolu s datovým rámcem výstupu Markovova řetězce: 

> head(poisson_chains, 2)
         a b.1.       b.2.          c
1 5.019807    0 -0.1222143 0.01405269
2 5.018642    0 -0.1217608 0.01407691

Na základě těchto 10 000 unikátních sad posteriorních věrohodných hodnot parametrů \(a\), \(b\) a \(c\) provedeš inference o typickém objemu návštěvnosti stezky ve dnech s teplotou 80 stupňů.

Pokyny

100 XP

  • Z každé sady hodnot parametrů poisson_chains vypočítej typický objem návštěvnosti stezky \(l\) v den víkendu s teplotou 80 stupňů. Výsledky ulož jako novou proměnnou l_weekend do poisson_chains.

  • Podobně vypočítej typický objem návštěvnosti v pracovní den s teplotou 80 stupňů. Výsledky ulož jako novou proměnnou l_weekday.

  • Vypočítej 95% posteriorní věrohodnostní intervaly pro typický objem v den víkendu s teplotou 80 stupňů a pro typický objem v pracovní den s teplotou 80 stupňů.