Posterior-Wahrscheinlichkeiten
Du hast RJAGS-Ausgaben genutzt, um den posterioren Trend und die Unsicherheit von \(b\) zu untersuchen und zu quantifizieren. Du kannst RJAGS-Ausgaben auch verwenden, um spezifische Hypothesen zu prüfen. Zum Beispiel: Wie groß ist die posteriori Wahrscheinlichkeit, dass das Gewicht im Mittel um mehr als 1,1 kg pro 1 cm Größenzunahme steigt? Also: Wie groß ist die posteriori Wahrscheinlichkeit, dass \(b > 1.1\)?
Du wirst diese Wahrscheinlichkeit durch den Anteil der \(b\)-Markov-Kettenwerte approximieren, die größer als 1,1 sind. Der Data Frame weight_chains mit der Markov-Ketten-Ausgabe von 100.000 Iterationen befindet sich in deinem Arbeitsbereich.
Diese Übung ist Teil des Kurses
Bayesianisches Modellieren mit RJAGS
Anleitung zur Übung
- Erstelle ein Dichte-Diagramm der \(b\)-Markov-Kettenwerte und überlagere mit
geom_vline()eine vertikale Linie bei 1,1. - Verwende
table(), um die Anzahl der \(b\)-Markov-Kettenwerte zusammenzufassen, die größer als 1,1 sind. - Verwende
mean(), um den Anteil der \(b\)-Markov-Kettenwerte zu berechnen, die größer als 1,1 sind.
Interaktive Übung
Vervollständige den Beispielcode, um diese Übung erfolgreich abzuschließen.
# Mark 1.1 on a posterior density plot for b
ggplot(___, aes(x = ___)) +
geom_density() +
geom_vline(xintercept = ___, color = "red")
# Summarize the number of b chain values that exceed 1.1
# Calculate the proportion of b chain values that exceed 1.1