Almacenar cadenas de Markov

Sea \(m\) el cambio medio en el tiempo de reacción tras 3 días de privación de sueño. En un ejercicio anterior, obtuviste una muestra aproximada de 10.000 extracciones del modelo posterior de \(m\). Guardaste el objeto mcmc.list resultante como sleep_sim, que está cargado en tu espacio de trabajo:

sleep_sim <- coda.samples(model = sleep_jags, variable.names = c("m", "s"), n.iter = 10000)

De hecho, la muestra de valores de \(m\) en sleep_sim es una cadena de Markov dependiente, cuya distribución converge a la posterior. Vas a examinar el contenido de sleep_sim y, para tener un control más fino sobre tu análisis, almacenarás el contenido en un data frame.

Este ejercicio forma parte del curso

Modelado bayesiano con RJAGS

Ver curso

Instrucciones del ejercicio

Revisa el head() del objeto de lista sleep_sim.
El primer elemento de la lista sleep_sim contiene las cadenas de \(m\) y \(s\). Guárdalas en un data frame llamado sleep_chains. Incluye una variable iter que registre el número de iteración correspondiente, 1:10000, para cada elemento de la cadena.
Revisa las primeras 6 filas de sleep_chains.

Ejercicio interactivo práctico

Prueba este ejercicio y completa el código de muestra.

# Check out the head of sleep_sim


# Store the chains in a data frame
sleep_chains <- data.frame(___, iter = ___)

# Check out the head of sleep_chains

Editar y ejecutar código