Probabilités a posteriori
Vous avez utilisé la sortie de RJAGS pour explorer et quantifier la tendance a posteriori et l'incertitude de \(b\). Vous pouvez aussi vous en servir pour évaluer des hypothèses précises. Par exemple : quelle est la probabilité a posteriori que, en moyenne, le poids augmente de plus de 1,1 kg pour chaque augmentation de 1 cm de la taille ? Autrement dit, quelle est la probabilité a posteriori que \(b > 1.1\) ?
Vous allez approximativement estimer cette probabilité par la proportion des valeurs de la chaîne de Markov de \(b\) qui dépassent 1,1. Le cadre de données weight_chains, contenant la sortie de la chaîne de Markov sur 100 000 itérations, est dans votre espace de travail.
Cette activité fait partie du cours
Modélisation bayésienne avec RJAGS
Instructions de l’exercice
- Construisez un diagramme de densité des valeurs de la chaîne de Markov de \(b\) et utilisez
geom_vline()pour superposer une ligne verticale à 1,1. - Utilisez
table()pour résumer le nombre de valeurs de la chaîne de Markov de \(b\) qui dépassent 1,1. - Utilisez
mean()pour calculer la proportion de valeurs de la chaîne de Markov de \(b\) qui dépassent 1,1.
Exercice interactif pratique
Essayez cet exercice en complétant ce code d’exemple.
# Mark 1.1 on a posterior density plot for b
ggplot(___, aes(x = ___)) +
geom_density() +
geom_vline(xintercept = ___, color = "red")
# Summarize the number of b chain values that exceed 1.1
# Calculate the proportion of b chain values that exceed 1.1