Memorizzare catene di Markov

Sia \(m\) la variazione media del tempo di reazione dopo 3 giorni di deprivazione di sonno. In un esercizio precedente, hai ottenuto un campione approssimativo di 10.000 estrazioni dal modello a posteriori di \(m\). Hai memorizzato l'oggetto mcmc.list risultante come sleep_sim, caricato nel tuo workspace:

sleep_sim <- coda.samples(model = sleep_jags, variable.names = c("m", "s"), n.iter = 10000)

In realtà, il campione dei valori di \(m\) in sleep_sim è una catena di Markov dipendente, la cui distribuzione converge alla posteriore. Esaminerai il contenuto di sleep_sim e, per avere un controllo più fine sull'analisi, memorizzerai il contenuto in un data frame.

Questo esercizio fa parte del corso

Modeling bayesiano con RJAGS

Visualizza il corso

Istruzioni dell'esercizio

Dai un'occhiata a head() dell'oggetto lista sleep_sim.
Il primo elemento della lista sleep_sim contiene le catene di \(m\) e \(s\). Memorizzale in un data frame chiamato sleep_chains. Includi una variabile iter che registri il numero di iterazione corrispondente, 1:10000, per ciascun elemento della catena.
Visualizza le prime 6 righe di sleep_chains.

Esercizio pratico interattivo

Prova a risolvere questo esercizio completando il codice di esempio.

# Check out the head of sleep_sim


# Store the chains in a data frame
sleep_chains <- data.frame(___, iter = ___)

# Check out the head of sleep_chains

Modifica ed esegui il codice