Interpretare i parametri della regressione multivariata

Il tuo modello bayesiano ha esplorato la dipendenza del volume tipico del sentiero dallo stato di giorno feriale \(X\)_i e dalla temperatura \(Z\)_i: \(m\)_i \(= a + b X\)_i \(+ c Z\)_i. Un summary() della simulazione del tuo modello RJAGS fornisce le stime delle medie posteriori dei parametri \(a\), \(b\) e \(c\):

> summary(rail_sim_2)
        Mean      SD Naive SE Time-series SE
a     36.592 60.6238 0.606238        4.19442
b[1]   0.000  0.0000 0.000000        0.00000
b[2] -49.610 23.4930 0.234930        0.55520
c      5.417  0.8029 0.008029        0.05849
s    103.434  7.9418 0.079418        0.11032

Per esempio, la media posteriore di \(c\) indica che sia nei weekend sia nei giorni feriali, il volume tipico della ferrovia aumenta di ~5,4 utenti per ogni aumento di 1 grado di temperatura. Quale tra le seguenti interpretazioni di \(b\) (rappresentato qui da b[2]) è la più accurata?