Comparer et contraster des lois Beta a priori

La loi Beta(\(a\),\(b\)) est définie sur l'intervalle de 0 à 1, ce qui en fait un a priori naturel et souple pour votre soutien électoral sous-jacent, \(p\). Vous pouvez ajuster les paramètres de forme \(a\) et \(b\) de la Beta pour proposer d'autres modèles a priori. Ci-dessous, vous comparerez votre a priori Beta(45,55) d'origine avec deux options : Beta(1, 1) et Beta(100, 100). Les 10 000 échantillons prior_A tirés de Beta(45,55) sont déjà dans votre espace de travail.

Cette activité fait partie du cours

Modélisation bayésienne avec RJAGS

Voir le cours

Instructions de l’exercice

Échantillonnez 10 000 tirages de l'a priori Beta(1,1). Assignez le résultat à prior_B.
Échantillonnez 10 000 tirages de l'a priori Beta(100,100). Assignez le résultat à prior_C.
Le tableau de données prior_sim regroupe les samples a priori prior_A, prior_B et prior_C avec un indicateur correspondant des priors. Pour construire un graphique de densité ggplot() de ces 3 samples a priori distincts sur le même canevas, indiquez fill = priors dans aes().

Exercice interactif pratique

Essayez cet exercice en complétant ce code d’exemple.

# Sample 10000 draws from the Beta(1,1) prior
prior_B <- rbeta(n = ___, shape1 = ___, shape2 = ___)    

# Sample 10000 draws from the Beta(100,100) prior
prior_C <- rbeta(n = ___, shape1 = ___, shape2 = ___)

# Combine the results in a single data frame
prior_sim <- data.frame(samples = c(prior_A, prior_B, prior_C),
        priors = rep(c("A","B","C"), each = 10000))

# Plot the 3 priors
ggplot(___, aes(x = ___, fill = ___)) + 
    geom_density(alpha = 0.5)

Modifier et exécuter le code