Uvažujme normální regresní model objemu \(Y\)_i podle statusu pracovního dne \(X\)_i:

věrohodnostní funkce: \(Y\)_i \(\sim N(m\)_i, \(s^2)\), kde \(m\)_i \(= a + b X\)_i
apriorní rozdělení: \(a \sim N(400, 100^2)\), \(b \sim N(0, 200^2)\), \(s \sim Unif(0, 200)\)

Prozkoumal/a jsi vztah mezi \(Y\)_i a \(X\)_i pro 90 zaznamenaných dní v datasetu RailTrail (dostupném v tvém pracovním prostředí). Na základě těchto dat a uvedených apriorních rozdělení teď aktualizuješ posteriorní model tohoto vztahu. Od předchozích analýz se tento případ liší tím, že \(X\)_i je kategorická proměnná. V syntaxi rjags je její koeficient \(b\) definován dvěma prvky: b[1] a b[2], které odpovídají úrovním víkendu a pracovního dne. Pro referenci platí, že b[1] je nastaveno na 0. Naproti tomu b[2] je modelováno apriorním rozdělením pro \(b\).

Závěr

Create Your Free Account