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

Bayesianisches Modellieren mit RJAGS

Kurs anzeigen

Anleitung zur Übung

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 Übung

Vervollständige den Beispielcode, um diese Übung erfolgreich abzuschließen.

# 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