Mulai sekarangMulai gratis

Selang kredibel posterior

Fokuslah pada parameter kemiringan \(b\), yaitu laju perubahan berat terhadap tinggi. Rata-rata posterior dari \(b\) mencerminkan tren dalam model posterior untuk kemiringan. Sebaliknya, selang kredibel posterior memberikan rentang nilai kemiringan yang masuk akal secara posterior, sehingga mencerminkan ketidakpastian posterior tentang \(b\). Sebagai contoh, selang kredibel 95% untuk \(b\) membentang dari kuantil ke-2,5 hingga ke-97,5 dari posterior \(b\). Dengan demikian, ada peluang 95% (posterior) bahwa \(b\) berada dalam rentang ini.

Anda akan menggunakan keluaran simulasi RJAGS untuk mendekati selang kredibel bagi \(b\). Simulasi RJAGS 100.000 iterasi dari posterior, weight_sim_big, ada di ruang kerja Anda beserta sebuah data frame keluaran rantai Markov, weight_chains.

Latihan ini merupakan bagian dari kursus

Pemodelan Bayesian dengan RJAGS

Lihat Kursus

Instruksi latihan

  • Peroleh statistik summary() dari rantai weight_sim_big.
  • Kuantil posterior 2.5% dan 97.5% untuk \(b\) dilaporkan pada Tabel 2 dari summary(). Terapkan quantile() pada weight_chains mentah untuk memverifikasi perhitungan ini. Simpan sebagai ci_95 dan cetak.
  • Dengan cara serupa, gunakan data weight_chains untuk membangun selang kredibel 90% untuk \(b\). Simpan sebagai ci_90 dan cetak.
  • Bangun plot kerapatan dari nilai rantai Markov \(b\). Tumpangtindihkan garis vertikal yang merepresentasikan selang kredibel 90% untuk \(b\) menggunakan geom_vline() dengan xintercept = ci_90.

Latihan interaktif langsung praktik

Cobalah latihan ini dengan melengkapi kode contoh ini.

# Summarize the posterior Markov chains


# Calculate the 95% posterior credible interval for b
ci_95 <- quantile(___, probs = c(___, ___))
ci_95

# Calculate the 90% posterior credible interval for b
ci_90 <- ___
ci_90

# Mark the 90% credible interval 
ggplot(___, aes(x = ___)) + 
    geom_density() + 
    geom_vline(xintercept = ___, color = "red")
Edit dan Jalankan Kode