Parameter einer multivariaten Regression interpretieren

Dein Bayes’sches Modell hat die Abhängigkeit des typischen Trail-Volumens vom Wochentagsstatus \(X\)_i und der Temperatur \(Z\)_i untersucht: \(m\)_i \(= a + b X\)_i \(+ c Z\)_i. Eine summary() deiner RJAGS-Modellsimulation liefert die posterioren Mittelwerte der Parameter \(a\), \(b\) und \(c\):

> summary(rail_sim_2)
        Mean      SD Naive SE Time-series SE
a     36.592 60.6238 0.606238        4.19442
b[1]   0.000  0.0000 0.000000        0.00000
b[2] -49.610 23.4930 0.234930        0.55520
c      5.417  0.8029 0.008029        0.05849
s    103.434  7.9418 0.079418        0.11032

Zum Beispiel zeigt das posteriore Mittel von \(c\), dass an Wochenenden wie auch an Wochentagen das typische Rail-Volumen um ca. 5,4 Nutzer pro zusätzlichem Grad Temperatur ansteigt. Welche der folgenden Interpretationen von \(b\) (hier dargestellt durch b[2]) ist am treffendsten?