Poisson रेट पैरामीटर के लिए इनफ़ेरेंस
फिर से याद कीजिए: आपके Bayesian Poisson रिग्रेशन मॉडल में वॉल्यूम \(Y\)i का लाईकलीहुड स्ट्रक्चर, जहाँ वीकडे स्टेटस \(X\)i और टेम्परेचर \(Z\)i predictors हैं:
\(Y\)i \(\sim Pois(l\)i) जहाँ \(l\)i\( \; = exp(a + b \; X\)i \(+ c \; Z\)i\()\)
मॉडल के posterior की आपकी 10,000-iteration RJAGS simulation, poisson_sim, आपके कार्यक्षेत्र में है, साथ ही Markov chain आउटपुट का एक डेटा फ्रेम भी:
> 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
पैरामीटर \(a\), \(b\), और \(c\) के इन 10,000 अलग-अलग posterior plausible मानों का उपयोग करके, आप 80 डिग्री वाले दिनों में सामान्य ट्रेल वॉल्यूम के बारे में निष्कर्ष निकालेंगे.
यह अभ्यास पाठ्यक्रम का हिस्सा है
RJAGS के साथ Bayesian Modeling
अभ्यास निर्देश
poisson_chainsके प्रत्येक पैरामीटर-सेट से, 80 डिग्री के वीकेंड दिन पर सामान्य ट्रेल वॉल्यूम \(l\) की गणना करें. इन ट्रेंड्स कोpoisson_chainsमें एक नए वैरिएबलl_weekendके रूप में सहेजें.इसी तरह, 80 डिग्री के वीकडे पर सामान्य ट्रेल वॉल्यूम की गणना करें. इन्हें
l_weekdayनाम के नए वैरिएबल में सहेजें.80 डिग्री के वीकेंड दिन और 80 डिग्री के वीकडे पर सामान्य वॉल्यूम के लिए 95% posterior credible intervals की गणना करें.
इंटरैक्टिव व्यावहारिक अभ्यास
इस अभ्यास को इस नमूना कोड को पूरा करके आज़माएँ।
# Calculate the typical volume on 80 degree weekends & 80 degree weekdays
poisson_chains <- poisson_chains %>%
mutate(l_weekend = exp(___ + ___ * 80)) %>%
mutate(l_weekday = exp(___ + ___ + ___ * 80))
# Construct a 95% CI for typical volume on 80 degree weekend
# Construct a 95% CI for typical volume on 80 degree weekday