Approssimare la funzione di verosimiglianza
È arrivato il primo sondaggio elettorale! \(X\) = 6 su 10 elettori intervistati intendono votare per te. Puoi usare questi dati per ottenere indicazioni sul tuo sostegno sottostante \(p\). A questo scopo, userai il data frame likelihood_sim (nel tuo workspace). Contiene i valori di \(X\) (poll_result) simulati da ciascuno dei 1.000 possibili valori di \(p\) tra 0 e 1 (p_grid).
Questo esercizio fa parte del corso
Modeling bayesiano con RJAGS
Istruzioni dell'esercizio
Il ggplot() qui costruisce la distribuzione di \(p\) da cui è stato generato ciascun possibile esito di \(X\). Modifica questo codice, fornendo una condizione di fill per mettere in evidenza la distribuzione che corrisponde al tuo poll_result osservato, \(X=6\). Questo ti aiuta a capire quali valori di \(p\) sono i più compatibili con i dati osservati del sondaggio!
Nota: non racchiudere questa condizione tra parentesi ().
Esercizio pratico interattivo
Prova a risolvere questo esercizio completando il codice di esempio.
# 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()