Chaînes multiples

Les graphiques de trace aident à diagnostiquer la qualité d'une simulation de chaîne de Markov. Une « bonne » chaîne de Markov affichera de la stabilité à mesure que la longueur de la chaîne augmente et de la constance entre des simulations répétées, ou chaînes multiples. Vous utiliserez RJAGS pour exécuter et tracer quatre chaînes parallèles ci-dessous. Le sleep_model défini se trouve dans votre espace de travail.

Cette activité fait partie du cours

Modélisation bayésienne avec RJAGS

Voir le cours

Instructions de l’exercice

Utilisez jags.model() pour COMPILER sleep_model et initialiser 4 chaînes parallèles. Enregistrez la sortie dans un objet jags nommé sleep_jags_multi.
SIMULEZ un échantillon de 1 000 tirages de l'afficheur postérieur de m et s. Enregistrez cette mcmc.list dans sleep_sim_multi.
Consultez le head() de sleep_sim_multi. Remarquez les 4 éléments de liste correspondant aux 4 chaînes parallèles.
Utilisez plot() pour produire les graphiques de trace des chaînes multiples. Supprimez les graphiques de densité.

Exercice interactif pratique

Essayez cet exercice en complétant ce code d’exemple.

# COMPILE the model
sleep_jags_multi <- jags.model(textConnection(sleep_model), data = list(Y = sleep_study$diff_3), ___)   

# SIMULATE the posterior    
sleep_sim_multi <- coda.samples(model = ___, variable.names = c("m", "s"), n.iter = ___)

# Check out the head of sleep_sim_multi


# Construct trace plots of the m and s chains

Modifier et exécuter le code