Inferencia posterior para regresión multivariante

La simulación de RJAGS con 10.000 iteraciones, rail_sim_2, está en tu espacio de trabajo junto con un data frame de la salida de la cadena de Markov:

> 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

Usarás estos 10.000 conjuntos únicos de valores de parámetros para resumir la tendencia media posterior en las relaciones entre el volume del sendero, el estado de weekday y hightemp.

Este ejercicio forma parte del curso

Modelado bayesiano con RJAGS

Ver curso

Instrucciones del ejercicio

Construye un diagrama de dispersión de volume frente a hightemp.

Usa color para distinguir entre días laborables y fines de semana.
Superpone una línea red que represente la tendencia media posterior de la relación lineal entre volume y hightemp para fines de semana: m = a + c Z
Superpone una línea turquoise3 que represente la tendencia media posterior de la relación lineal entre volume y hightemp para días laborables: m = (a + b.2.) + c Z

Ejercicio interactivo práctico

Prueba este ejercicio y completa el código de muestra.

# 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")

Editar y ejecutar código