Simuler une loi bêta (priori)
Supposons que vous vous présentiez à une élection à une charge publique. Soit \(p\) votre appui sous-jacent, c'est‑à‑dire la proportion d'électrices et d'électeurs qui prévoient voter pour vous. D'après des sondages antérieurs, votre modèle a priori pour \(p\) est représenté par une loi bêta (Beta) avec des paramètres de forme 45 et 55.
Vous allez approximer l'a priori Beta(45, 55) à l'aide d'échantillons aléatoires produits par la fonction rbeta(). Cette fonction prend trois arguments : la taille de l'échantillon (n) et deux paramètres de forme (shape1, shape2). Ensuite, vous construirez un graphique de densité des échantillons avec ggplot(). Cette fonction prend deux arguments : l'ensemble de données qui contient les échantillons et, dans aes(), la variable à tracer sur l'axe x. La couche de densité est ajoutée avec geom_density().
Cette activité fait partie du cours
Modélisation bayésienne avec RJAGS
Instructions de l’exercice
- Utilisez
rbeta()pour tirer 10 000 valeurs de Beta(45, 55). Assignez le résultat àprior_A. - Le tableau de données
prior_simcomprend l'échantillonprior_A. Appliquezggplot()àprior_simpour construire un graphique de densité des échantillons a priori.
Exercice interactif pratique
Essayez cet exercice en complétant ce code d’exemple.
# Sample 10000 draws from Beta(45,55) prior
prior_A <- rbeta(n = ___, shape1 = ___, shape2 = ___)
# Store the results in a data frame
prior_sim <- data.frame(prior_A)
# Construct a density plot of the prior sample
ggplot(prior_sim, aes(x = ___)) +
geom_density()