Reproductibilité
Maintenant que vous avez réalisé (et réussi !) quelques diagnostics de chaîne de Markov, vous êtes prêt à finaliser votre simulation RJAGS. À cette étape, la reproductibilité est essentielle. Pour obtenir des résultats de simulation reproductibles, vous devez fixer la graine du générateur de nombres aléatoires de RJAGS. Cela fonctionne différemment que dans R de base. Au lieu d’utiliser set.seed(), vous indiquerez une graine initiale en utilisant inits = list(.RNG.name = "base::Wichmann-Hill", .RNG.seed = ___) lorsque vous compilez votre modèle.
Cet exercice fait partie du cours
Modélisation bayésienne avec RJAGS
Instructions
Exécutez le code fourni plusieurs fois. Remarquez que les statistiques de
summary()changent à chaque exécution.Pour des résultats reproductibles, fournissez l’argument
initsdu générateur de nombres aléatoires àjags.model(). Indiquez une graine initiale de 1989.Exécutez le nouveau code plusieurs fois. Remarquez que les statistiques de
summary()ne changent PAS !
Exercice interactif pratique
Essayez cet exercice en complétant cet exemple de code.
# COMPILE the model
sleep_jags <- jags.model(textConnection(sleep_model), data = list(Y = sleep_study$diff_3))
# SIMULATE the posterior
sleep_sim <- coda.samples(model = sleep_jags, variable.names = c("m", "s"), n.iter = 10000)
# Summarize the m and s chains of sleep_sim
summary(sleep_sim)