Graphiques de trajectoire de chaîne de Markov

Un trace plot (ou graphique de trajectoire) permet de visualiser le comportement longitudinal d’une chaîne de Markov. Plus précisément, un trace plot pour la chaîne \(m\) représente la valeur observée de la chaîne (axe y) en fonction du numéro d’itération correspondant (axe x).

Vous allez construire des trace plots de la chaîne \(m\) selon deux approches : en utilisant la fonction intégrée plot() sur l’objet mcmc.list sleep_sim et, pour un contrôle plus fin de ce graphique (et des analyses des chapitres suivants), en utilisant ggplot() sur l’objet data.frame sleep_chains. Les objets sleep_sim et sleep_chains sont déjà dans votre environnement :

sleep_sim <- coda.samples(model = sleep_jags, variable.names = c("m", "s"), n.iter = 10000)
sleep_chains <- data.frame(sleep_sim[[1]], iter = 1:10000)

Cet exercice fait partie du cours

Modélisation bayésienne avec RJAGS

Afficher le cours

Instructions

Appliquez plot() à sleep_sim avec density = FALSE pour construire les trace plots des chaînes \(m\) et \(s\). REMARQUE : Les 10 000 Iterations enregistrées commencent après une période de « burn-in » durant laquelle des échantillons sont écartés. Ainsi, le décompte des Iterations ne commence pas à 1 !
Appliquez ggplot() avec une couche geom_line() à sleep_chains pour reconstruire le trace plot de la chaîne \(m\).
Zoomez : construisez un trace plot ggplot() des 100 premières itérations de la chaîne \(m\).

Exercice interactif pratique

Essayez cet exercice en complétant cet exemple de code.

# Use plot() to construct trace plots of the m and s chains


# Use ggplot() to construct a trace plot of the m chain
ggplot(___, aes(x = ___, y = ___)) + 
    geom_line()

# Trace plot the first 100 iterations of the m chain
ggplot(___, aes(x = ___, y = ___)) + 
    geom_line()

Modifier et exécuter le code