시작하기무료로 시작하기

Poisson 비율 모수에 대한 추론

다시 한 번, 요일 상태 \(X\)i와 기온 \(Z\)i에 따른 통행량 \(Y\)i의 Bayesian Poisson 회귀모형에서의 우도 구조를 떠올려 보세요:

\(Y\)i \(\sim Pois(l\)i) 여기서 \(l\)i\( \; = exp(a + b \; X\)i \(+ c \; Z\)i\()\)

모형 사후분포에 대한 10,000회 RJAGS 시뮬레이션 결과 poisson_sim이 작업 공간에 있으며, Markov 연쇄 출력의 데이터 프레임도 함께 제공돼 있어요: 

> head(poisson_chains, 2)
         a b.1.       b.2.          c
1 5.019807    0 -0.1222143 0.01405269
2 5.018642    0 -0.1217608 0.01407691

이렇게 얻은 매개변수 \(a\), \(b\), $c$의 10,000개 고유 사후 가능한 값 집합을 사용해, 80도(화씨)인 날의 전형적인 산책로 통행량에 대해 추론해 보세요.

이 연습은 강의의 일부입니다

RJAGS로 배우는 Bayesian 모델링

강의 보기

연습 안내

  • 각 poisson_chains 매개변수 값 집합으로부터, 80도인 주말 하루의 전형적인 산책로 통행량 $l$을 계산하세요. 이 추세를 poisson_chains의 새 변수 l_weekend로 저장하세요.

  • 마찬가지로, 80도인 주중 하루의 전형적인 산책로 통행량을 계산하세요. 이를 새 변수 l_weekday로 저장하세요.

  • 80도인 주말 하루와 80도인 주중 하루의 전형적인 통행량에 대한 95% 사후 신뢰구간을 계산하세요.

실습형 인터랙티브 연습

이 예제를 이 샘플 코드를 완성하여 풀어보세요.

# Calculate the typical volume on 80 degree weekends & 80 degree weekdays
poisson_chains <- poisson_chains %>% 
    mutate(l_weekend = exp(___ + ___ * 80)) %>% 
    mutate(l_weekday = exp(___ + ___ + ___ * 80))

# Construct a 95% CI for typical volume on 80 degree weekend


# Construct a 95% CI for typical volume on 80 degree weekday
코드 편집 및 실행