포아송 회귀를 위한 RJAGS 시뮬레이션

이전 영상에서는 요일 상태 \(X\)_i와 기온 \(Z\)_i로 부피 \(Y\)_i를 설명하는 포아송 회귀 모델을 구성했어요:

• 가능도: \(Y\)_i \(\sim Pois(l\)_i)이며, \(log(l\)_i\() = a + b X\)_i \(+ c Z\)_i
• 사전분포: \(a \sim N(0, 200^2)\), \(b \sim N(0, 2^2)\), \(c \sim N(0, 2^2)\)

관측된 RailTrail 데이터에서 얻은 통찰과 위의 사전분포를 결합해, RJAGS를 사용하여 이 관계의 사후 모델을 정의, 컴파일, 시뮬레이션해 보세요. 이번 강의의 마지막 RJAGS 시뮬레이션에서는 평소보다 제공되는 코드가 적으니 스스로 더 도전해 보세요!

RailTrail 데이터는 작업 공간에 준비되어 있어요.