Prior Normal-Normal
Para peneliti mengembangkan suatu tes untuk mengevaluasi dampak kurang tidur terhadap waktu reaksi. Untuk subjek \(i\), misalkan \(Y\)i adalah perubahan waktu reaksi (dalam ms) setelah 3 malam kurang tidur. Tentu saja, tiap orang bereaksi berbeda terhadap kurang tidur. Masuk akal untuk mengasumsikan bahwa \(Y\)i berdistribusi Normal di sekitar suatu rata-rata \(m\) dengan simpangan baku \(s\): \(Y\)i \(\sim N(m, s^2)\).
Pada langkah pertama analisis Bayesian Anda, Anda akan mensimulasikan prior berikut untuk parameter \(m\) dan \(s\): \(m \sim N(50, 25^2)\) dan \(s \sim Unif(0, 200)\). Ini memerlukan fungsi rnorm(n, mean, sd) dan runif(n, min, max).
Latihan ini merupakan bagian dari kursus
Pemodelan Bayesian dengan RJAGS
Instruksi latihan
- Gunakan
rnorm(n, mean, sd)untuk mengambil 10.000 sampel dari prior \(m\). Simpan keluarannya keprior_m. - Gunakan
runif(n, min, max)untuk mengambil 10.000 sampel dari prior $s. Simpan keluarannya keprior_s`. - Setelah menyimpan hasil ini dalam data frame
samples, buat plot densitas untuk sampelprior_mdan plot densitas untuk sampelprior_s.
Latihan interaktif langsung praktik
Cobalah latihan ini dengan melengkapi kode contoh ini.
# Take 10000 samples from the m prior
# Take 10000 samples from the s prior
# Store samples in a data frame
samples <- data.frame(prior_m, prior_s)
# Density plots of the prior_m & prior_s samples
ggplot(___, aes(x = ___)) +
___()
ggplot(___, aes(x = ___)) +
___()