Graphiques de trace de chaîne de Markov

Un graphe de trace (trace plot) visualise le comportement longitudinal d'une chaîne de Markov. Plus précisément, un graphe de trace pour la chaîne de \(m\) représente la valeur observée de la chaîne (axe des y) en fonction du numéro d'itération correspondant (axe des x).

Vous allez construire des graphiques de trace de la chaîne de \(m\) de deux façons : en appliquant la fonction intégrée plot() à l'objet mcmc.list sleep_sim et, pour un contrôle plus fin de ce graphique (et des analyses dans les prochains chapitres), en appliquant ggplot() à l'objet data.frame sleep_chains. Les objets sleep_sim et sleep_chains sont déjà dans votre espace de travail :

sleep_sim <- coda.samples(model = sleep_jags, variable.names = c("m", "s"), n.iter = 10000)
sleep_chains <- data.frame(sleep_sim[[1]], iter = 1:10000)

Cette activité fait partie du cours

Modélisation bayésienne avec RJAGS

Voir le cours

Instructions de l’exercice

Appliquez plot() à sleep_sim avec density = FALSE pour construire les graphiques de trace des chaînes \(m\) et \(s\). REMARQUE : Les 10 000 Iterations enregistrées commencent après une période d'« échauffement » (burn-in) durant laquelle des échantillons sont écartés. Ainsi, le compte des Iterations ne commence pas à 1 !
Appliquez ggplot() avec une couche geom_line() à sleep_chains pour reconstruire le graphique de trace de la chaîne \(m\).
Zoomez : construisez un graphique de trace avec ggplot() pour les 100 premières itérations de la chaîne \(m\).

Exercice interactif pratique

Essayez cet exercice en complétant ce code d’exemple.

# Use plot() to construct trace plots of the m and s chains


# Use ggplot() to construct a trace plot of the m chain
ggplot(___, aes(x = ___, y = ___)) + 
    geom_line()

# Trace plot the first 100 iterations of the m chain
ggplot(___, aes(x = ___, y = ___)) + 
    geom_line()

Modifier et exécuter le code