Definieren, kompilieren und simulieren
In deinem Wahlprojekt sei \(p\) der Anteil der zugrunde liegenden Wählerschaft, der dich unterstützt. Auf Basis früherer Umfragen und Wahldaten ist dein Prior-Modell für \(p\) eine Beta-Verteilung Beta(\(a\),\(b\)) mit den Formparametern \(a = 45\) und \(b = 55\). Für zusätzliche Einblicke in \(p\) hast du außerdem \(n\) potenzielle Wähler befragt. Die Abhängigkeit von \(X\), der Anzahl dieser Wähler, die dich unterstützen, von \(p\) wird durch die Bin(\(n\),\(p\))-Verteilung modelliert.
In der abgeschlossenen Umfrage unterstützten dich \(X = 6\) von \(n = 10\) Wählern. Das nächste Ziel ist, dein Modell von \(p\) im Licht dieser beobachteten Umfragedaten zu aktualisieren! Dazu verwendest du das Paket rjags, um das Posterior-Modell von \(p\) zu approximieren. Wir zerlegen diese Übung in die 3 rjags-Schritte: define, compile, simulate.
Diese Übung ist Teil des Kurses
Bayesianisches Modellieren mit RJAGS
Interaktive Übung
Vervollständige den Beispielcode, um diese Übung erfolgreich abzuschließen.
# DEFINE the model
vote_model <- "model{
# Likelihood model for X
X ~ ___
# Prior model for p
p ~ ___
}"