ポアソン回帰のための RJAGS シミュレーション

前のビデオでは、曜日ステータス \(X\)_i と気温 \(Z\)_i を説明変数とした、利用量 \(Y\)_i のポアソン回帰モデルを構築しました。

尤度： \(Y\)_i \(\sim Pois(l\)_i) ただし \(log(l\)_i\() = a + b X\)_i \(+ c Z\)_i
事前分布： $a \sim N(0, 200^2)$、$b \sim N(0, 2^2)$、\(c \sim N(0, 2^2)\)

観測された RailTrail データと上記の事前分布をもとに、RJAGS を使ってこの関係の事後モデルを定義・コンパイル・シミュレートしましょう。コースの最後となる RJAGS シミュレーションです。これまでよりもヒントが少ない状態で挑戦してみてください！

RailTrail データはワークスペースに読み込まれています。

ベイズモデルを定義しましょう。

dpois() を使って、l[i] を条件とした Y[i] の尤度モデルを定義してください。
a、b、c の事前分布モデルを定義します。
モデル文字列を poisson_model として保存してください。