Inferenza a posteriori per la regressione multivariata

L'output della simulazione RJAGS con 10.000 iterazioni, rail_sim_2, è nel tuo workspace insieme a un data frame con l'output della catena di Markov:

> head(rail_chains_2, 2)
         a b.1.      b.2.        c         s
1 49.76954    0 -12.62112 4.999202 111.02247
2 30.22211    0  -3.16221 4.853491  98.11892

Userai questi 10.000 insiemi unici di valori dei parametri per riassumere l'andamento medio a posteriori nelle relazioni tra volume del sentiero, stato weekday e hightemp.

Questo esercizio fa parte del corso

Modeling bayesiano con RJAGS

Visualizza il corso

Istruzioni dell'esercizio

Costruisci uno scatter plot di volume in funzione di hightemp.

Usa color per distinguere tra giorni feriali e weekend.
Sovrapponi una linea red che rappresenti l'andamento medio a posteriori della relazione lineare tra volume e hightemp per i weekend: m = a + c Z
Sovrapponi una linea turquoise3 che rappresenti l'andamento medio a posteriori della relazione lineare tra volume e hightemp per i giorni feriali: m = (a + b.2.) + c Z

Esercizio pratico interattivo

Prova a risolvere questo esercizio completando il codice di esempio.

# Plot the posterior mean regression models
ggplot(___, aes(x = ___, y = ___, color = ___)) + 
    geom_point() + 
    geom_abline(intercept = mean(___), slope = mean(___), color = "red") + 
    geom_abline(intercept = mean(___) + mean(___), slope = mean(___), color = "turquoise3")

Modifica ed esegui il codice