Simuler une loi a priori Beta
Supposez que vous vous présentiez à une élection. Notez \(p\) votre soutien réel, c’est‑à‑dire la proportion d’électeurs qui envisagent de voter pour vous. D’après les sondages passés, votre modèle a priori pour \(p\) suit une loi Beta avec paramètres de forme 45 et 55.
Vous allez approximer la loi Beta(45, 55) à l’aide d’échantillons aléatoires via la fonction rbeta(). Cette fonction prend trois arguments : la taille de l’échantillon (n) et deux paramètres de forme (shape1, shape2). Ensuite, vous construirez un graphique de densité des échantillons avec ggplot(). Cette fonction prend deux arguments : le jeu de données contenant les échantillons et, dans aes(), la variable à représenter sur l’axe x. La couche de densité est ajoutée avec geom_density().
Cet exercice fait partie du cours
Modélisation bayésienne avec RJAGS
Instructions
- Utilisez
rbeta()pour tirer 10 000 valeurs depuis Beta(45, 55). Affectez le résultat àprior_A. - Le data frame
prior_simcontient l’échantillonprior_A. Appliquezggplot()àprior_simpour construire un graphique de densité des échantillons a priori.
Exercice interactif pratique
Essayez cet exercice en complétant cet exemple de code.
# Sample 10000 draws from Beta(45,55) prior
prior_A <- rbeta(n = ___, shape1 = ___, shape2 = ___)
# Store the results in a data frame
prior_sim <- data.frame(prior_A)
# Construct a density plot of the prior sample
ggplot(prior_sim, aes(x = ___)) +
geom_density()