시작하기무료로 시작하기

다변량 회귀의 사후 추론

10,000번 반복한 RJAGS 시뮬레이션 결과 rail_sim_2가 작업 공간에 있으며, Markov 연쇄 출력의 데이터 프레임도 함께 제공됩니다:

> head(rail_chains_2, 2)
         a b.1.      b.2.        c         s
1 49.76954    0 -12.62112 4.999202 111.02247
2 30.22211    0  -3.16221 4.853491  98.11892

이 10,000개의 고유한 모수값 집합을 사용해 트레일 volume, weekday 상태, hightemp 간 관계에서 사후 평균 추세를 요약해 보세요.

이 연습은 강의의 일부입니다

RJAGS로 배우는 Bayesian 모델링

강의 보기

연습 안내

hightemp에 따른 volume의 산점도를 그리세요.

  • color를 사용해 주중과 주말을 구분하세요.
  • 주말에 대해 volume과 hightemp의 선형 관계에서 사후 평균 추세를 나타내는 red 선을 겹쳐 그리세요: m = a + c Z
  • 주중에 대해 volume과 hightemp의 선형 관계에서 사후 평균 추세를 나타내는 turquoise3 선을 겹쳐 그리세요: m = (a + b.2.) + c Z

실습형 인터랙티브 연습

이 예제를 이 샘플 코드를 완성하여 풀어보세요.

# Plot the posterior mean regression models
ggplot(___, aes(x = ___, y = ___, color = ___)) + 
    geom_point() + 
    geom_abline(intercept = mean(___), slope = mean(___), color = "red") + 
    geom_abline(intercept = mean(___) + mean(___), slope = mean(___), color = "turquoise3")
코드 편집 및 실행