1. 학습
    2. /
  2. 강의
    3. /
  3. RJAGS로 배우는 Bayesian 모델링
Connected

연습 문제

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.

지침 1/3

undefined XP
    1
    2
    3

모델 정의(DEFINE):

  • dpois()를 사용해 l[i]가 주어졌을 때 Y[i]의 가능도 모델을 정의하세요.
  • a, b, c의 사전분포를 정의하세요.
  • 모델 문자열을 poisson_model로 저장하세요.