Comparez cet histogramme au graphique produit directement par prop_model (vous le trouverez en revenant au graphique précédent dans l'onglet Plots). Vous devriez constater que l'histogramme et la distribution postérieure (à n=13) décrivent la même distribution.

D'accord, vous avez obtenu un vecteur d'échantillons à partir de prop_model et confirmé qu'ils représentent bien la distribution postérieure. Qu'est-ce que cela vous a apporté? Pour l'instant, pas grand-chose, mais le prochain exercice vous montrera pourquoi les échantillons sont si pratiques à manipuler. Avant de passer à la suite :

Rendez l'histogramme plus agréable en ajoutant les arguments suivants :
- breaks = 30 pour le lisser.
- xlim = c(0, 1) pour couvrir toute l'étendue des proportions possibles de 0 à 1.
- col = "palegreen4" pour lui donner une couleur plus appropriée aux statistiques sur les zombies.

Essayons l'analyse de données bayésienne

Create Your Free Account