Markov-Ketten speichern

Sei \(m\) die durchschnittliche Veränderung der Reaktionszeit nach 3 Tagen Schlafentzug. In einer früheren Übung hast du eine ungefähr 10.000 Ziehungen umfassende Stichprobe aus dem Posterior-Modell von \(m\) erhalten. Du hast das resultierende mcmc.list-Objekt als sleep_sim gespeichert, das in deinem Workspace geladen ist:

sleep_sim <- coda.samples(model = sleep_jags, variable.names = c("m", "s"), n.iter = 10000)

Tatsächlich ist die Stichprobe der \(m\)-Werte in sleep_sim eine abhängige Markov-Kette, deren Verteilung gegen den Posterior konvergiert. Du schaust dir den Inhalt von sleep_sim an und speicherst ihn für eine feinere Kontrolle deiner Analyse in einem Data Frame.

Diese Übung ist Teil des Kurses

<Kurs>Bayesianisches Modellieren mit RJAGS</Kurs>

Kurs ansehen

Übungsanweisungen

Schau dir den head() des Listenobjekts sleep_sim an.
Das erste Listenelement von sleep_sim enthält die \(m\)- und \(s\)-Ketten. Speichere diese in einem Data Frame namens sleep_chains. Füge eine Variable iter hinzu, die die entsprechende Iterationsnummer 1:10000 für jedes Kettenelement enthält.
Schau dir die ersten 6 Zeilen von sleep_chains an.

Interaktive praktische Übung

Versuche dich an dieser Übung, indem du diesen Beispielcode vervollständigst.

# Check out the head of sleep_sim


# Store the chains in a data frame
sleep_chains <- data.frame(___, iter = ___)

# Check out the head of sleep_chains

Code bearbeiten und ausführen