始める無料で始める

多変量回帰の事後推論

10,000回のイテレーションによる RJAGS シミュレーションの出力 rail_sim_2 と、マルコフ連鎖の出力をまとめたデータフレームがワークスペースに用意されています。

> 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

この 10,000 組のパラメータ値を使用して、トレイルの volume（利用量）、weekday（平日フラグ）、hightemp（最高気温）の関係における事後平均トレンドをまとめましょう。

この演習はコースの一部です

RJAGS によるベイズモデリング

コースを見る

演習の手順

volume を縦軸、hightemp を横軸にした散布図を作成しましょう。

  • color を使って平日と週末を区別してください。
  • 週末における volume と hightemp の線形関係の事後平均トレンド（m = a + c Z）を red の直線で重ね描きしてください。
  • 平日における volume と hightemp の線形関係の事後平均トレンド（m = (a + b.2.) + c Z）を turquoise3 の直線で重ね描きしてください。

実践的なインタラクティブ演習

このサンプルコードを完成させて、この演習に挑戦してみましょう。

# 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")
コードを編集して実行