Interpréter les paramètres d'une régression multivariée

Votre modèle bayésien a examiné la dépendance du volume typique du sentier à l'état jour de semaine \(X\)_i et à la température \(Z\)_i : \(m\)_i \(= a + b X\)_i \(+ c Z\)_i. Un summary() de la simulation de votre modèle RJAGS fournit les estimations a posteriori moyennes des paramètres \(a\), \(b\) et \(c\) :

> summary(rail_sim_2)
        Mean      SD Naive SE Time-series SE
a     36.592 60.6238 0.606238        4.19442
b[1]   0.000  0.0000 0.000000        0.00000
b[2] -49.610 23.4930 0.234930        0.55520
c      5.417  0.8029 0.008029        0.05849
s    103.434  7.9418 0.079418        0.11032

Par exemple, la moyenne a posteriori de \(c\) indique que, tant les fins de semaine que les jours de semaine, le volume typique du sentier augmente d'environ 5,4 usagers pour chaque degré supplémentaire de température. Laquelle des interprétations suivantes de \(b\) (représenté ici par b[2]) est la plus juste ?