1. 学ぶ
    2. /
  2. コース
    3. /
  3. RJAGS によるベイズモデリング
Connected

演習

多変量回帰のための RJAGS シミュレーション

平日かどうかを表す \(X\)i と気温 \(Z\)i を用いた、利用量 \(Y\)i の次のベイズモデルを考えましょう。

  • 尤度: \(Y\)i \(\sim N(m\)i, $s^2)$、ただし \(m\)i \(= a + b X\)i \(+ c Z\)i
  • 事前分布: $a \sim N(0, 200^2)$、$b \sim N(0, 200^2)$、$c \sim N(0, 20^2)$、\(s \sim Unif(0, 200)\)

これまでの探索では、RailTrail データにおける volume、weekday、hightemp の関係について、いくつかの知見が得られました。この知見と事前分布の情報を組み合わせて、RJAGS を使ってこの関係の事後モデルを構築しましょう。RailTrail データはワークスペースに用意されています。

指示1 / 3

undefined XP
    1
    2
    3

定義（DEFINE）： ベイズモデルを定義し、rail_model_2 として保存しましょう。rjags の dnorm() 関数と dunif() 関数を使って、以下を行います。

  • 90 個の観測値 \(i\) それぞれについて、\(m\)i と、\(m\)i および \(s\) を条件とした \(Y\)i のモデルを RJAGS 表記で定義します。なお、b[X[i]] は \(bX\)i の rjags における書き方です。

  • $a$、$b$、$c$、\(s\) の事前分布を指定します。