Mehrere Chains

Traceplots helfen dabei, die Qualität einer Markov-Chain-Simulation zu beurteilen. Eine „gute“ Markov-Chain zeigt Stabilität mit zunehmender Chain-Länge und Konsistenz über wiederholte Simulationen bzw. mehrere Chains hinweg. Unten verwendest du RJAGS, um vier parallele Chains auszuführen und Traceplots zu erstellen. Das definierte sleep_model befindet sich in deinem Workspace.

Diese Übung ist Teil des Kurses

Bayesianisches Modellieren mit RJAGS

Kurs anzeigen

Anleitung zur Übung

Verwende jags.model(), um sleep_model zu KOMPILIEREN und 4 parallele Chains zu initialisieren. Speichere die Ausgabe in einem jags-Objekt namens sleep_jags_multi.
SIMULIERE eine Stichprobe von 1.000 Ziehungen aus dem posterioren Modell von m und s. Speichere diese mcmc.list in sleep_sim_multi.
Schau dir das head() von sleep_sim_multi an. Beachte die 4 Listenelemente, die den 4 parallelen Chains entsprechen.
Verwende plot(), um Traceplots für die mehreren Chains zu erstellen. Unterdrücke die Dichteplots.

Interaktive Übung

Vervollständige den Beispielcode, um diese Übung erfolgreich abzuschließen.

# COMPILE the model
sleep_jags_multi <- jags.model(textConnection(sleep_model), data = list(Y = sleep_study$diff_3), ___)   

# SIMULATE the posterior    
sleep_sim_multi <- coda.samples(model = ___, variable.names = c("m", "s"), n.iter = ___)

# Check out the head of sleep_sim_multi


# Construct trace plots of the m and s chains

Code bearbeiten und ausführen