Approximer la fonction de vraisemblance
Le premier sondage électoral est arrivé ! \(X\) = 6 personnes sur 10 sondées prévoient voter pour vous. Vous pouvez utiliser ces données pour mieux comprendre votre appui sous-jacent \(p\). À cette fin, vous utiliserez le tableau de données likelihood_sim (déjà dans votre espace de travail). Il contient les valeurs de \(X\) (poll_result) simulées à partir de chacune des 1 000 valeurs possibles de \(p\) entre 0 et 1 (p_grid).
Cette activité fait partie du cours
Modélisation bayésienne avec RJAGS
Instructions de l’exercice
Le ggplot() ci-dessous construit la distribution de \(p\) à partir de laquelle chaque résultat possible de \(X\) a été généré. Modifiez ce code en ajoutant une condition pour fill afin de mettre en évidence la distribution qui correspond à votre poll_result observé, \(X=6\). Cela vous aide à voir quelles valeurs de \(p\) sont les plus compatibles avec les données de votre sondage !
Remarque : n'entourez pas cette condition de parenthèses ().
Exercice interactif pratique
Essayez cet exercice en complétant ce code d’exemple.
# Density plots of p_grid grouped by poll_result
ggplot(likelihood_sim, aes(x = p_grid, y = poll_result, group = poll_result, fill = ___)) +
geom_density_ridges()