Likelihood फंक्शन का अनुमान लगाना
पहला चुनाव सर्वे आ गया है! \(X\) = 10 में से 6 पूछे गए मतदाता आपके लिए वोट करने की योजना बना रहे हैं। आप इन डेटा का उपयोग अपने आधारभूत समर्थन \(p\) के बारे में समझ बनाने के लिए कर सकते हैं। इसी उद्देश्य से, आप अपने वर्कस्पेस में मौजूद likelihood_sim डेटा फ्रेम का उपयोग करेंगे। इसमें 0 से 1 के बीच p_grid पर 1,000 संभावित \(p\) मानों में से प्रत्येक से सिम्युलेट किए गए \(X\) (poll_result) के मान शामिल हैं.
यह अभ्यास पाठ्यक्रम का हिस्सा है
RJAGS के साथ Bayesian Modeling
अभ्यास निर्देश
यहाँ ggplot() उस \(p\) के वितरण का निर्माण करता है, जिससे \(X\) के प्रत्येक संभावित परिणाम जनरेट किए गए थे। इस कोड को संशोधित करें और एक fill कंडीशन दें ताकि वह वितरण हाइलाइट हो जो आपके देखे गए poll_result, यानी \(X=6\), से मेल खाता है। इससे यह समझने में मदद मिलती है कि कौन-से \(p\) मान आपके सर्वे डेटा के साथ सबसे अधिक संगत हैं!
नोट: इस कंडीशन को कोष्ठकों () में न रखें.
इंटरैक्टिव व्यावहारिक अभ्यास
इस अभ्यास को इस नमूना कोड को पूरा करके आज़माएँ।
# Density plots of p_grid grouped by poll_result
ggplot(likelihood_sim, aes(x = p_grid, y = poll_result, group = poll_result, fill = ___)) +
geom_density_ridges()