Mulai sekarangMulai gratis

Simulasi RJAGS dengan variabel kategorikal

Pertimbangkan model regresi Normal untuk volume \(Y\)i berdasarkan status hari kerja \(X\)i:

  • likelihood: \(Y\)i \(\sim N(m\)i, \(s^2)\) dengan \(m\)i \(= a + b X\)i
  • prior: \(a \sim N(400, 100^2)\), \(b \sim N(0, 200^2)\), \(s \sim Unif(0, 200)\)

Anda telah menelaah hubungan antara \(Y\)i dan \(X\)i untuk 90 hari yang tercatat di RailTrail (di workspace Anda). Berdasarkan data ini dan prior di atas, Anda akan memperbarui model posterior untuk hubungan tersebut. Hal ini berbeda dari analisis sebelumnya karena \(X\)i bersifat kategorikal. Dalam sintaks rjags, koefisiennya \(b\) didefinisikan oleh dua elemen, b[1] dan b[2], yang masing-masing merepresentasikan level akhir pekan dan hari kerja. Sebagai referensi, b[1] ditetapkan 0. Sebaliknya, b[2] dimodelkan oleh prior untuk \(b\).

Latihan ini merupakan bagian dari kursus

Pemodelan Bayesian dengan RJAGS

Lihat Kursus

Latihan interaktif langsung praktik

Cobalah latihan ini dengan melengkapi kode contoh ini.

# DEFINE the model    
rail_model_1 <- "model{
    # Likelihood model for Y[i]
    for(i in ___){
      Y[i] ~ ___
      m[i] <- ___
    }
    
    # Prior models for a, b, s
    a ~ ___
    b[1] <- ___
    b[2] ~ ___
    s ~ ___
}"
Edit dan Jalankan Kode