Mulai sekarangMulai gratis

Inferensi untuk volume berdasarkan hari kerja

Keluaran simulasi RJAGS 10.000 iterasi, rail_sim_1, tersedia di ruang kerja Anda bersama dengan sebuah data frame dari keluaran rantai Markov: 

> head(rail_chains_1, 2)
         a b.1.       b.2.        s 
1 420.6966    0  -54.30783 118.2328
2 399.5823    0  -52.02570 119.9499

Rantai ini menyediakan 10.000 himpunan nilai unik untuk a, yaitu volume jalur tipikal pada hari akhir pekan, dan b.2., yaitu kontras antara volume hari kerja tipikal vs volume akhir pekan. Sebagai contoh, himpunan parameter pertama menunjukkan bahwa biasanya ada 420.6966 penumpang pada hari akhir pekan dan 54.30783 penumpang lebih sedikit pada hari kerja. Jadi, biasanya ada 420.6966 - 54.30783 = 366.3888 penumpang pada hari kerja. Anda akan memanfaatkan data simulasi ini untuk membuat inferensi tentang volume jalur pada hari kerja.

Latihan ini merupakan bagian dari kursus

Pemodelan Bayesian dengan RJAGS

Lihat Kursus

Instruksi latihan

  • Gabungkan nilai rantai a dan b.2. untuk membentuk sebuah rantai berisi 10.000 nilai bagi volume jalur hari kerja tipikal. Simpan sebagai weekday_mean di rail_chains_1.
  • Gunakan ggplot() untuk membuat plot densitas dari nilai rantai weekday_mean.
  • Bangun interval kredibel 95% untuk volume jalur hari kerja tipikal.

Latihan interaktif langsung praktik

Cobalah latihan ini dengan melengkapi kode contoh ini.

# Construct a chain of values for the typical weekday volume
rail_chains_1 <- rail_chains_1 %>% 
    mutate(weekday_mean = ___)

# Construct a density plot of the weekday chain
ggplot(___, aes(x = ___)) + 
    geom_density()

# 95% credible interval for typical weekday volume
Edit dan Jalankan Kode