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

cvičení

Simulace v RJAGS s kategorickými proměnnými

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 \(b\).

Pokyny 1/3

undefined XP
    1
    2
    3

DEFINUJ svůj bayesovský model.

  • Definuj věrohodnostní model Y[i] podmíněný hodnotami m[i] a s, kde m[i] <- a + b[X[i]]. Všimni si nové notace b[X[i]]!
  • Specifikuj apriorní rozdělení pro a, b (prostřednictvím b[1] a b[2]) a s.
  • Ulož modelový řetězec jako rail_model_1.