or
यह अभ्यास पाठ्यक्रम का हिस्सा है
Bayesian मॉडल, किसी पैरामीटर के बारे में पूर्वज्ञान (priors) को प्रेक्षित डेटा से मिली जानकारी के साथ मिलाकर अपडेटेड posterior इनसाइट्स बनाते हैं। इस अध्याय में, आप proportion पैरामीटर के लिए बुनियादी Beta-Binomial मॉडल के संदर्भ में इन Bayesian अवधारणाओं की समीक्षा करेंगे। आप यह भी सीखेंगे कि R में rjags पैकेज का उपयोग करके इस मॉडल को कैसे परिभाषित, कंपाइल, और सिम्युलेट किया जाए.
वर्तमान अभ्यास
दो-पैरामीटर वाला Normal-Normal Bayesian मॉडल, Normal regression मॉडलों के लिए एक सरल आधार देता है। इस अध्याय में, आप Normal-Normal को इंजीनियर करेंगे और rjags का उपयोग करके इस मॉडल को परिभाषित, कंपाइल, और सिम्युलेट करेंगे। आप rjags सिम्युलेशन के पीछे काम करने वाली Markov chain की प्रक्रिया का व्यावहारिक पक्ष भी समझेंगे.
इस अध्याय में, आप Normal-Normal मॉडल को एक सरल Bayesian regression मॉडल तक विस्तृत करेंगे। इसी संदर्भ में, आप देखेंगे कि posterior inference करने के लिए rjags सिम्युलेशन आउटपुट का उपयोग कैसे किया जाए। विशेष रूप से, आप posterior means और credible intervals की मदद से regression पैरामीटर के posterior अनुमान बनाएँगे, posterior probabilities का उपयोग करके परिकल्पनाएँ जाँचेंगे, और नई ऑब्ज़र्वेशन्स के लिए posterior predictive distributions तैयार करेंगे.
इस अंतिम अध्याय में, आप सरल Normal regression मॉडल को व्यापक परिदृश्यों में लागू करने के लिए सामान्यीकृत करेंगे। आप categorical predictors जोड़ेंगे, दो predictors वाले एक multivariate regression मॉडल को इंजीनियर करेंगे, और अंत में इस विधि को गिनती वाले वैरिएबल्स के लिए Poisson multivariate regression मॉडलों तक बढ़ाएँगे.