平日の利用数に関する推論
10,000 回のイテレーションによる RJAGS シミュレーション出力 rail_sim_1 と、マルコフ連鎖の出力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_1, 2)
a b.1. b.2. s
1 420.6966 0 -54.30783 118.2328
2 399.5823 0 -52.02570 119.9499
これらの連鎖は、a（週末の典型的な利用数）と b.2.（平日と週末の典型的な利用数の差）について、10,000 通りのパラメータセットを提供しています。たとえば、最初のパラメータセットは、週末には典型的に 420.6966 人の利用者がおり、平日は 54.30783 人少ないことを示しています。つまり、平日の典型的な利用者数は 420.6966 - 54.30783 = 366.3888 人となります。このシミュレーションデータを活用して、平日のトレイル利用数に関する推論を行いましょう。
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
演習の手順
aとb.2.の連鎖値を組み合わせて、平日の典型的なトレイル利用数について 10,000 個の値からなる連鎖を構築してください。これをrail_chains_1のweekday_meanとして保存してください。ggplot()を使用して、weekday_meanの連鎖値の密度プロットを作成してください。- 平日の典型的なトレイル利用数について、95% 信用区間を構築してください。
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。
# Construct a chain of values for the typical weekday volume
rail_chains_1 <- rail_chains_1 %>%
mutate(weekday_mean = ___)
# Construct a density plot of the weekday chain
ggplot(___, aes(x = ___)) +
geom_density()
# 95% credible interval for typical weekday volume