or
이 연습은 강의의 일부입니다
Bayesian 모델은 사전 지식과 관측된 데이터에서 얻은 통찰을 결합해 매개변수에 대한 갱신된 사후 통찰을 형성합니다. 이 장에서는 비율 매개변수를 위한 기초 모델인 Beta-Binomial 모델의 맥락에서 이러한 Bayesian 개념을 복습합니다. 또한 rjags 패키지를 사용해 이 모델을 R에서 정의하고, 컴파일하고, 시뮬레이션하는 방법을 배웁니다.
현재 연습
두 매개변수 Normal-Normal Bayesian 모델은 Normal 회귀 모델의 간단한 토대를 제공합니다. 이 장에서는 Normal-Normal 모델을 설계하고 rjags를 사용해 이 모델을 정의, 컴파일, 시뮬레이션합니다. 또한 rjags 시뮬레이션의 배경이 되는 마코프 연쇄 메커니즘의 묘미를 살펴봅니다.
이 장에서는 Normal-Normal 모델을 단순한 Bayesian 회귀 모델로 확장합니다. 이 맥락에서 rjags 시뮬레이션 출력으로 사후 추론을 수행하는 방법을 살펴봅니다. 구체적으로, 사후평균과 신뢰구간을 사용해 회귀 매개변수의 사후 추정치를 만들고, 사후확률을 사용해 가설을 검정하며, 새로운 관측값을 위한 사후 예측분포를 구성합니다.
마지막 장에서는 단순 Normal 회귀 모델을 더 넓은 상황에 적용할 수 있도록 일반화합니다. 범주형 예측변수를 포함하고, 두 개의 예측변수를 갖는 다변량 회귀 모델을 설계하며, 끝으로 이 방법론을 계수형 변수에 대한 Poisson 다변량 회귀 모델로 확장합니다.