사후 예측 분포
작업 공간의 weight_chains 데이터 프레임에는 키 180cm 성인의 몸무게에 대한 100,000개의 사후 예측값 Y_180이 들어 있습니다:
> head(weight_chains, 2)
a b s iter m_180 Y_180
1 -113.9029 1.072505 8.772007 1 79.14803 71.65811
2 -115.0644 1.077914 8.986393 2 78.96014 75.78893
이 100,000개의 예측을 사용해 키 180cm 성인의 몸무게에 대한 사후 예측 분포를 근사해 보세요. bdims 데이터는 작업 공간에 준비되어 있습니다.
이 연습은 강의의 일부입니다
RJAGS로 배우는 Bayesian 모델링
연습 안내
- 10,000개의
Y_180값을 사용해 키 180cm 성인의 몸무게에 대한 95% 사후 신뢰구간을 구성하세요. - 100,000개의 사후 가능한 예측에 대한 밀도 그래프를 그리세요.
bdims의wgt대hgt산점도를 그리세요.geom_abline()으로 사후 회귀 추세선을 겹쳐 그리세요.geom_segment()으로hgt가 180인 위치에 세로선을 그려ci_180의 하한과 상한(y와yend)을 나타내세요.
실습형 인터랙티브 연습
이 예제를 이 샘플 코드를 완성하여 풀어보세요.
# Construct a posterior credible interval for the prediction
ci_180 <- quantile(___, probs = c(___, ___))
ci_180
# Construct a density plot of the posterior predictions
ggplot(___, aes(x = ___)) +
geom_density() +
geom_vline(xintercept = ci_180, color = "red")
# Visualize the credible interval on a scatterplot of the data
ggplot(___, aes(x = ___, y = ___)) +
geom_point() +
geom_abline(intercept = mean(___), slope = mean(___), color = "red") +
geom_segment(x = 180, xend = 180, y = ___, yend = ___, color = "red")