Chaînes multiples

Les graphiques de trace aident à diagnostiquer la qualité d’une simulation par chaîne de Markov. Une « bonne » chaîne de Markov montre de la stabilité à mesure que la longueur de la chaîne augmente et de la cohérence entre des simulations répétées, ou plusieurs chaînes. Vous allez utiliser RJAGS pour exécuter et tracer les graphiques de trace de quatre chaînes parallèles ci-dessous. Le sleep_model déjà défini est disponible dans votre espace de travail.

Cet exercice fait partie du cours

Modélisation bayésienne avec RJAGS

Afficher le cours

Instructions

Utilisez jags.model() pour COMPIler sleep_model et initialiser 4 chaînes parallèles. Stockez le résultat dans un objet jags nommé sleep_jags_multi.
SIMULEZ un échantillon de 1 000 tirages depuis le modèle a posteriori de m et s. Stockez cette mcmc.list dans sleep_sim_multi.
Affichez le head() de sleep_sim_multi. Remarquez les 4 éléments de liste correspondant aux 4 chaînes parallèles.
Utilisez plot() pour construire les graphiques de trace des chaînes multiples. Supprimez les courbes de densité.

Exercice interactif pratique

Essayez cet exercice en complétant cet exemple de code.

# COMPILE the model
sleep_jags_multi <- jags.model(textConnection(sleep_model), data = list(Y = sleep_study$diff_3), ___)   

# SIMULATE the posterior    
sleep_sim_multi <- coda.samples(model = ___, variable.names = c("m", "s"), n.iter = ___)

# Check out the head of sleep_sim_multi


# Construct trace plots of the m and s chains

Modifier et exécuter le code