Posteriorinferenz für multivariate Regression

Die RJAGS-Simulation mit 10.000 Iterationen, rail_sim_2, befindet sich in deinem Workspace, zusammen mit einem Data Frame der Markov-Chain-Ausgabe:

> head(rail_chains_2, 2)
         a b.1.      b.2.        c         s
1 49.76954    0 -12.62112 4.999202 111.02247
2 30.22211    0  -3.16221 4.853491  98.11892

Du verwendest diese 10.000 einzigartigen Parametersätze, um den posterioren mittleren Trend in den Beziehungen zwischen volume auf dem Trail, dem weekday-Status und hightemp zusammenzufassen.

Diese Übung ist Teil des Kurses

Bayesianisches Modellieren mit RJAGS

Kurs anzeigen

Anleitung zur Übung

Erstelle ein Streudiagramm von volume gegen hightemp.

Nutze color, um zwischen Werktagen und Wochenenden zu unterscheiden.
Überlagere eine red-Linie, die den posterioren mittleren Trend der linearen Beziehung zwischen volume und hightemp für Wochenenden darstellt: m = a + c Z
Überlagere eine turquoise3-Linie, die den posterioren mittleren Trend der linearen Beziehung zwischen volume und hightemp für Werktage darstellt: m = (a + b.2.) + c Z

Interaktive Übung

Vervollständige den Beispielcode, um diese Übung erfolgreich abzuschließen.

# Plot the posterior mean regression models
ggplot(___, aes(x = ___, y = ___, color = ___)) + 
    geom_point() + 
    geom_abline(intercept = mean(___), slope = mean(___), color = "red") + 
    geom_abline(intercept = mean(___) + mean(___), slope = mean(___), color = "turquoise3")

Code bearbeiten und ausführen