Interpréter les paramètres d’une régression multivariée

Votre modèle bayésien a étudié la dépendance du volume typique du sentier au statut en semaine \(X\)_i et à la température \(Z\)_i : \(m\)_i \(= a + b X\)_i \(+ c Z\)_i. Un summary() de votre simulation de modèle RJAGS fournit les moyennes a posteriori des paramètres \(a\), \(b\) et \(c\) :

> summary(rail_sim_2)
        Mean      SD Naive SE Time-series SE
a     36.592 60.6238 0.606238        4.19442
b[1]   0.000  0.0000 0.000000        0.00000
b[2] -49.610 23.4930 0.234930        0.55520
c      5.417  0.8029 0.008029        0.05849
s    103.434  7.9418 0.079418        0.11032

Par exemple, la moyenne a posteriori de \(c\) indique que, le week-end comme en semaine, le volume typique du rail augmente d’environ 5,4 utilisateurs pour chaque degré supplémentaire. Laquelle des interprétations suivantes de \(b\) (représenté ici par b[2]) est la plus exacte ?