शुरू करेंमुफ़्त में शुरू करें

Poisson रिग्रेशन मॉडल को प्लॉट करना

अपने Bayesian Poisson रिग्रेशन मॉडल में वॉल्यूम \(Y\)i का, वीकडे स्टेटस \(X\)i और टेम्परेचर \(Z\)i द्वारा, likelihood स्ट्रक्चर याद कीजिए: \(Y\)i \(\sim Pois(l\)i) जहाँ

  • \(log(l\)i\() \; = a + b \; X\)i \(+ c \; Z\)i; अतः
  • \(l\)i\( \; = exp(a + b \; X\)i \(+ c \; Z\)i\()\)

आपके वर्कस्पेस में मॉडल के posterior की 10,000 iteration वाली RJAGS simulation poisson_sim मौजूद है, साथ ही Markov chain आउटपुट का एक data frame भी है:

> head(poisson_chains, 2)
         a b.1.       b.2.          c
1 5.019807    0 -0.1222143 0.01405269
2 5.018642    0 -0.1217608 0.01407691

आप इन परिणामों का उपयोग posterior Poisson रिग्रेशन ट्रेंड्स को प्लॉट करने के लिए करेंगे. इन nonlinear ट्रेंड्स को stat_function() के साथ ggplot() में जोड़ा जा सकता है. उदाहरण के लिए, fun = function(x){x^2} देने पर एक quadratic ट्रेंड लाइन प्राप्त होगी.

यह अभ्यास पाठ्यक्रम का हिस्सा है

RJAGS के साथ Bayesian Modeling

पाठ्यक्रम देखें

अभ्यास निर्देश

hightemp के अनुसार volume का एक scatterplot बनाएँ, जिसमें ये विशेषताएँ हों:

  • वीकडे और वीकेंड में अंतर करने के लिए color का उपयोग करें.
  • एक red कर्व superimpose करें, जो वीकेंड के लिए volume और hightemp के बीच linear संबंध की posterior mean Poisson रिग्रेशन ट्रेंड \(l\)i दर्शाए: l = exp(a + c Z)
  • एक turquoise3 कर्व superimpose करें, जो वीकडे के लिए volume और hightemp के बीच linear संबंध की posterior mean Poisson रिग्रेशन ट्रेंड \(l\)i दर्शाए: l = exp((a + b.2.) + c Z)

इंटरैक्टिव व्यावहारिक अभ्यास

इस अभ्यास को इस नमूना कोड को पूरा करके आज़माएँ।

# Plot the posterior mean regression models
ggplot(___, aes(x = ___, y = ___, color = ___)) + 
    geom_point() + 
    stat_function(fun = function(x){___(mean(___) + mean(___) * x)}, color = "red") + 
    stat_function(fun = function(x){___(mean(___) + mean(___) + mean(___) * x)}, color = "turquoise3")
कोड संपादित करें और चलाएँ