शुरू करेंमुफ़्त में शुरू करें

Markov chains को स्टोर करना

मान लीजिए \(m\) 3 दिनों की नींद की कमी के बाद reaction time में औसत बदलाव है. एक पिछले अभ्यास में, आपने \(m\) के posterior मॉडल से 10,000 ड्रॉ का एक approximate sample प्राप्त किया था. आपने प्राप्त mcmc.list ऑब्जेक्ट को sleep_sim के रूप में स्टोर किया था, जो आपके workspace में लोड है:

sleep_sim <- coda.samples(model = sleep_jags, variable.names = c("m", "s"), n.iter = 10000)

असल में, sleep_sim में \(m\) मानों का sample एक dependent Markov chain है, जिसकी distribution posterior पर converge होती है. आप sleep_sim की सामग्री की जाँच करेंगे और अपने विश्लेषण पर बेहतर नियंत्रण के लिए, उसकी सामग्री को एक data frame में स्टोर करेंगे.

यह अभ्यास पाठ्यक्रम का हिस्सा है

RJAGS के साथ Bayesian Modeling

पाठ्यक्रम देखें

अभ्यास निर्देश

  • sleep_sim लिस्ट ऑब्जेक्ट का head() देखें.

  • पहले sleep_sim लिस्ट आइटम में \(m\) और \(s\) की chains हैं. इन्हें sleep_chains नाम के एक data frame में स्टोर करें. इसमें एक वैरिएबल iter शामिल करें, जो प्रत्येक chain एलिमेंट के लिए संबंधित iteration number, 1:10000, रिकॉर्ड करे.

  • sleep_chains की पहली 6 पंक्तियाँ देखें.

इंटरैक्टिव व्यावहारिक अभ्यास

इस अभ्यास को इस नमूना कोड को पूरा करके आज़माएँ।

# Check out the head of sleep_sim


# Store the chains in a data frame
sleep_chains <- data.frame(___, iter = ___)

# Check out the head of sleep_chains
कोड संपादित करें और चलाएँ