Mulai sekarangMulai gratis

Naive standard errors

Rata-rata dari rantai Markov \(m\) memberikan tak-saran untuk mean posterior dari \(m\). Naive standard error memberikan ukuran potensi galat pada taksiran ini. Selanjutnya, kita dapat menggunakan ukuran ini untuk menentukan panjang rantai yang sesuai. Misalnya, misalkan tujuan Anda adalah menaksir mean posterior dari \(m\) dengan standard error 0.1 ms. Jika naive standard error yang Anda amati melebihi target ini, tidak masalah! Cukup jalankan rantai yang lebih panjang — galat saat menggunakan rantai Markov untuk mendekati posterior cenderung menurun seiring bertambahnya panjang rantai.

sleep_model yang telah didefinisikan dan objek terkompilasi sleep_jags telah tersedia sebagai ruang kerja Anda.

Latihan ini merupakan bagian dari kursus

Pemodelan Bayesian dengan RJAGS

Lihat Kursus

Instruksi latihan

  • SIMULASIKAN 1.000 pengambilan dari model posterior untuk \(m\) dan \(s\). Simpan dalam sleep_sim_1.

  • Dapatkan summary() dari rantai sleep_sim_1.

  • Jika naive standard error dari rantai \(m\) melebihi target 0,1, sesuaikan simulasi Anda: coba gunakan 500 pengambilan atau 10.000 pengambilan (alih-alih 1.000). Simpan hasilnya dalam sleep_sim_2.

  • Dapatkan summary() dari rantai sleep_sim_2. Pastikan simulasi baru Anda memenuhi kriteria. Jika belum, kembali ke langkah sebelumnya dan ulangi!

Latihan interaktif langsung praktik

Cobalah latihan ini dengan melengkapi kode contoh ini.

# SIMULATE the posterior    
sleep_sim_1 <- coda.samples(model = ___, variable.names = c("m", "s"), n.iter = ___)

# Summarize the m and s chains of sleep_sim_1


# RE-SIMULATE the posterior    
sleep_sim_2 <- coda.samples(model = ___, variable.names = c("m", "s"), n.iter = ___)

# Summarize the m and s chains of sleep_sim_2
Edit dan Jalankan Kode