Errores estándar ingenuos
La media de la cadena de Markov de \(m\) proporciona una estimación de la media posterior de \(m\). El error estándar ingenuo mide el posible error de esta estimación. A su vez, podemos usar esta medida para fijar una longitud de cadena adecuada. Por ejemplo, supón que tu objetivo es estimar la media posterior de \(m\) con un error estándar de 0.1 ms. Si el error estándar ingenuo observado supera ese objetivo, ¡no pasa nada! Simplemente ejecuta una cadena más larga: el error al usar una cadena de Markov para aproximar una posterior suele disminuir a medida que aumenta la longitud de la cadena.
El sleep_model definido y el objeto compilado sleep_jags son tu espacio de trabajo.
Este ejercicio forma parte del curso
Modelado bayesiano con RJAGS
Instrucciones del ejercicio
SIMULA 1.000 extracciones del modelo posterior de \(m\) y \(s\). Guárdalas en
sleep_sim_1.Obtén un
summary()de las cadenas desleep_sim_1.Si el error estándar ingenuo de la cadena de \(m\) supera el objetivo de 0.1, ajusta tu simulación: prueba usando 500 extracciones o 10.000 extracciones (en lugar de 1.000). Guarda los resultados en
sleep_sim_2.Obtén un
summary()de las cadenas desleep_sim_2. Confirma que tu nueva simulación cumple el criterio. Si no, vuelve al paso anterior y repite.
Ejercicio interactivo práctico
Prueba este ejercicio y completa el código de muestra.
# SIMULATE the posterior
sleep_sim_1 <- coda.samples(model = ___, variable.names = c("m", "s"), n.iter = ___)
# Summarize the m and s chains of sleep_sim_1
# RE-SIMULATE the posterior
sleep_sim_2 <- coda.samples(model = ___, variable.names = c("m", "s"), n.iter = ___)
# Summarize the m and s chains of sleep_sim_2