Simulation RJAGS avec variables catégorielles

Considérez le modèle de régression Normale du volume \(Y\)_i selon le statut de jour de la semaine \(X\)_i :

vraisemblance : \(Y\)_i \(\sim N(m\)_i, \(s^2)\) où \(m\)_i \(= a + b X\)_i
a priori : \(a \sim N(400, 100^2)\), \(b \sim N(0, 200^2)\), \(s \sim Unif(0, 200)\)

Vous avez étudié la relation entre \(Y\)_i et \(X\)_i pour les 90 jours enregistrés dans RailTrail (dans votre espace de travail). À la lumière de ces données et des a priori ci-dessus, vous allez mettre à jour votre modèle a posteriori de cette relation. Cela diffère des analyses précédentes car \(X\)_i est une variable catégorielle. En syntaxe rjags, son coefficient \(b\) est défini par deux éléments, b[1] et b[2], correspondant respectivement aux niveaux « weekend » et « weekday ». Pour référence, b[1] est fixé à 0. En revanche, b[2] est modélisé par l’a priori de \(b\).

Cet exercice fait partie du cours

Modélisation bayésienne avec RJAGS

Afficher le cours

Exercice interactif pratique

Essayez cet exercice en complétant cet exemple de code.

# DEFINE the model    
rail_model_1 <- "model{
    # Likelihood model for Y[i]
    for(i in ___){
      Y[i] ~ ___
      m[i] <- ___
    }
    
    # Prior models for a, b, s
    a ~ ___
    b[1] <- ___
    b[2] ~ ___
    s ~ ___
}"

Modifier et exécuter le code