Probabilités a posteriori
Vous avez utilisé la sortie de RJAGS pour explorer et quantifier la tendance a posteriori et l’incertitude de \(b\). Vous pouvez aussi vous appuyer sur la sortie de RJAGS pour évaluer des hypothèses précises. Par exemple : quelle est la probabilité a posteriori que, en moyenne, le poids augmente de plus de 1,1 kg pour chaque augmentation de 1 cm de la taille ? Autrement dit, quelle est la probabilité a posteriori que \(b > 1.1\) ?
Vous allez approximer cette probabilité par la proportion de valeurs de la chaîne de Markov de \(b\) qui dépassent 1,1. Le data frame weight_chains contenant la sortie de chaîne de Markov de 100 000 itérations est disponible dans votre espace de travail.
Cet exercice fait partie du cours
<cours>Modélisation bayésienne avec RJAGS</cours>Instructions de l’exercice
- Construisez un graphique de densité des valeurs de la chaîne de Markov de \(b\) et utilisez
geom_vline()pour superposer une ligne verticale à 1,1. - Utilisez
table()pour résumer le nombre de valeurs de la chaîne de Markov de \(b\) qui dépassent 1,1. - Utilisez
mean()pour calculer la proportion de valeurs de la chaîne de Markov de \(b\) qui dépassent 1,1.
Exercice interactif pratique
Essayez cet exercice en complétant ce code d’exemple.
# Mark 1.1 on a posterior density plot for b
ggplot(___, aes(x = ___)) +
geom_density() +
geom_vline(xintercept = ___, color = "red")
# Summarize the number of b chain values that exceed 1.1
# Calculate the proportion of b chain values that exceed 1.1