Recuerda la verosimilitud del modelo de regresión bayesiana del peso \(Y\) por la altura \(X\): \(Y \sim N(m, s^2)\) donde \(m = a + b X\). Tienes en tu espacio de trabajo una simulación RJAGS del posterior con 100.000 iteraciones, weight_sim_big, junto con un data frame con la salida de la cadena de Markov:

> head(weight_chains, 2)
          a        b        s iter
1 -113.9029 1.072505 8.772007    1
2 -115.0644 1.077914 8.986393    2

Las medias posteriores de los parámetros de intercepto y pendiente, \(a\) y \(b\), reflejan la tendencia media posterior en la relación entre peso y altura. En cambio, los posteriores completos de \(a\) y \(b\) reflejan el rango de parámetros plausibles y, por tanto, la incertidumbre posterior en la tendencia. A continuación examinarás la tendencia y su incertidumbre. Los datos bdims están en tu espacio de trabajo.

Un modelo sencillo de regresión bayesiana

Create Your Free Account