Mulai sekarangMulai gratis

Inferensi untuk tren posterior

Ingat kembali fungsi kepekatan peluang dari model regresi Bayesian untuk berat badan \(Y\) terhadap tinggi badan \(X\): \(Y \sim N(m, s^2)\) dengan \(m = a + b X\). Pada latihan sebelumnya Anda telah mendekati bentuk tren posterior \(m\) (garis tebal). Dari sini, perhatikan bahwa berat badan tipikal pada orang dewasa dengan tinggi 180 cm kira-kira 80 kg (garis putus-putus):

Anda akan menggunakan keluaran simulasi RJAGS untuk mendekati tren posterior berat badan pada orang dewasa dengan tinggi 180 cm serta ketidakpastian posterior pada tren tersebut. Simulasi RJAGS 100.000 iterasi untuk posterior, weight_sim_big, tersedia di workspace Anda bersama dengan sebuah data frame keluaran rantai Markov, weight_chains.

Latihan ini merupakan bagian dari kursus

Pemodelan Bayesian dengan RJAGS

Lihat Kursus

Instruksi latihan

  • weight_chains memuat 100.000 himpunan nilai parameter posterior yang mungkin untuk \(a\) dan \(b\). Dari masing-masing, hitung berat badan rata-rata (tipikal) pada orang dewasa dengan tinggi 180 cm, yaitu \(a + b * 180\). Simpan tren ini sebagai variabel baru m_180 di weight_chains.

  • Bangun plot kerapatan posterior dari 100.000 nilai m_180.

  • Gunakan 100.000 nilai m_180 untuk menghitung selang kredibel posterior 95% bagi berat badan rata-rata pada orang dewasa dengan tinggi 180 cm.

Latihan interaktif langsung praktik

Cobalah latihan ini dengan melengkapi kode contoh ini.

# Calculate the trend under each Markov chain parameter set
weight_chains <- weight_chains  %>% 
    mutate(m_180 = ___)

# Construct a posterior density plot of the trend
ggplot(___, aes(x = ___)) + 
    geom_density() 

# Construct a posterior credible interval for the trend
quantile(___, probs = c(___, ___))
Edit dan Jalankan Kode