Mulai sekarangMulai gratis

Memvisualisasikan prior regresi

Pada latihan sebelumnya, Anda mensimulasikan 10.000 samples untuk setiap parameter (\(a\), \(b\), \(s\)) dalam model regresi Bayesian untuk berat badan \(Y\) berdasarkan tinggi badan \(X\): \(Y \sim N(m, s^2)\) dengan mean \(m = a + bX\). Kumpulan nilai \(a\), \(b\), dan \(s\) pada setiap baris samples merepresentasikan sebuah skenario regresi yang masuk akal menurut prior. Untuk menelaah cakupan skenario prior ini, Anda akan mensimulasikan 50 pasangan nilai tinggi dan berat dari masing-masing 12 set parameter prior pertama \(a\), \(b\), dan \(s\).

Latihan ini merupakan bagian dari kursus

Pemodelan Bayesian dengan RJAGS

Lihat Kursus

Instruksi latihan

  • Buat data frame prior_simulation yang mencakup n = 50 replikasi dari 12 set parameter prior pertama dalam samples (total 600 baris!).
  • Untuk setiap dari 600 baris prior_simulation:
    • Simulasikan nilai height dari model \(N(170, 10^2)\).
    • Simulasikan nilai weight dari \(N(a + b X, s^2)\) di mana \(X\) adalah height dan \((a,b,s)\) adalah set parameter prior.
  • Kini Anda memiliki 50 pasangan height dan weight tersimulasikan untuk masing-masing dari 12 set parameter. Gunakan ggplot() untuk membuat scatterplot dari 50 pasangan ini untuk setiap set nilai parameter. Pastikan weight berada pada sumbu y!

Latihan interaktif langsung praktik

Cobalah latihan ini dengan melengkapi kode contoh ini.

# Replicate the first 12 parameter sets 50 times each
prior_scenarios_rep <- bind_rows(replicate(n = ___, expr = samples[1:12, ], simplify = FALSE)) 

# Simulate 50 height & weight data points for each parameter set
prior_simulation <- prior_scenarios_rep %>% 
    mutate(height = rnorm(n = 600, mean = ___, sd = ___)) %>% 
    mutate(weight = rnorm(n = 600, mean = ___, sd = ___))

# Plot the simulated data & regression model for each parameter set
ggplot(prior_simulation, aes(x = ___, y = ___)) + 
    geom_point() + 
    geom_smooth(method = "lm", se = FALSE, size = 0.75) + 
    facet_wrap(~ set)
Edit dan Jalankan Kode