Rappelez la vraisemblance du modèle de régression bayésienne du poids \(Y\) par la taille \(X\) : \(Y \sim N(m, s^2)\) où \(m = a + b X\). Une simulation RJAGS de 100 000 itérations de la postérieure, weight_sim_big, est disponible dans votre espace de travail, ainsi qu’une trame de données contenant la sortie de la chaîne de Markov :

> head(weight_chains, 2)
          a        b        s iter
1 -113.9029 1.072505 8.772007    1
2 -115.0644 1.077914 8.986393    2

Les moyennes a posteriori des paramètres d’ordonnée à l’origine et de pente, \(a\) et \(b\), reflètent la tendance moyenne postérieure de la relation entre le poids et la taille. En revanche, les postérieures complètes de \(a\) et \(b\) reflètent l’étendue des paramètres plausibles, donc l’incertitude a posteriori sur la tendance. Vous examinerez ci-dessous la tendance et l’incertitude associée. Les données bdims sont dans votre espace de travail.

Un modèle simple de régression bayésienne

Create Your Free Account