Définir, compiler et simuler
Dans votre quête électorale, soit \(p\) la proportion de l’électorat qui vous soutient. À partir d’anciens sondages et de données électorales, votre modèle a priori de \(p\) est une Beta(\(a\),\(b\)) avec paramètres de forme \(a = 45\) et \(b = 55\). Pour enrichir votre connaissance de \(p\), vous avez également sondé \(n\) électeurs potentiels. La dépendance de \(X\), le nombre d’électeurs qui vous soutiennent, à \(p\) est modélisée par la loi Bin(\(n\),\(p\)).
Dans le sondage réalisé, \(X = 6\) des \(n = 10\) électeurs vous ont soutenu. L’objectif est maintenant de mettre à jour votre modèle de \(p\) à la lumière de ces données observées ! Pour cela, vous allez utiliser le package rjags pour approximer le modèle a posteriori de \(p\). Nous décomposons cet exercice en 3 étapes rjags : définir, compiler, simuler.
Cet exercice fait partie du cours
Modélisation bayésienne avec RJAGS
Exercice interactif pratique
Essayez cet exercice en complétant cet exemple de code.
# DEFINE the model
vote_model <- "model{
# Likelihood model for X
X ~ ___
# Prior model for p
p ~ ___
}"