Mengaproksimasi fungsi likelihood
Hasil jajak pendapat pertama telah masuk! \(X\) = 6 dari 10 pemilih yang disurvei berencana memilih Anda. Anda dapat menggunakan data ini untuk membangun wawasan tentang dukungan dasar Anda, \(p\). Untuk itu, Anda akan menggunakan data frame likelihood_sim (di workspace Anda). Data ini memuat nilai \(X\) (poll_result) yang disimulasikan dari masing-masing 1.000 kemungkinan nilai \(p\) antara 0 hingga 1 (p_grid).
Latihan ini merupakan bagian dari kursus
Pemodelan Bayesian dengan RJAGS
Instruksi latihan
ggplot() berikut menyusun distribusi \(p\) yang menghasilkan setiap kemungkinan keluaran \(X\). Ubah kode ini dengan menambahkan kondisi fill untuk menyorot distribusi yang sesuai dengan poll_result yang Anda amati, yaitu \(X=6\). Hal ini memberi wawasan tentang nilai \(p\) mana yang paling kompatibel dengan data jajak pendapat yang Anda amati!
Catatan: jangan bungkus kondisi ini dengan tanda kurung ().
Latihan interaktif langsung praktik
Cobalah latihan ini dengan melengkapi kode contoh ini.
# Density plots of p_grid grouped by poll_result
ggplot(likelihood_sim, aes(x = p_grid, y = poll_result, group = poll_result, fill = ___)) +
geom_density_ridges()