Poisson 사후 예측

l_weekday 변수는 80도인 평일의 이용량에 대한 추세를 반영해요:

> head(poisson_chains, 2)
       a b.1.    b.2.      c l_weekend l_weekday
1 5.0198    0 -0.1222 0.0141   465.924   412.324
2 5.0186    0 -0.1218 0.0141   466.284   412.829

이제 그 추세를 이해했으니, 예측을 해 보겠습니다! 구체적으로, 다음 80도 평일의 산책로 이용량을 예측해 볼 거예요. 이를 위해서는 가능도 모형 \(Y\)_i \(\sim Pois(l\)_i)$이 설명하는, 추세로부터의 개별 변동성을 고려해야 합니다.

표본 크기 n과 비율 매개변수 lambda를 사용하는 rpois(n, lambda)를 이용해, poisson_chains에 있는 사후에서 가능한 각 추세 값 아래에서의 Poisson 이용량 예측을 시뮬레이션할 거예요.

poisson_chains의 10,000개 l_weekday 값 각각에 대해 rpois()를 사용해 80도 평일의 이용량을 예측하세요. 이 값을 poisson_chains의 Y_weekday로 저장하세요.
ggplot()으로 Y_weekday 예측값의 밀도 그래프를 만드세요.
80도 평일의 이용량이 400명 미만일 사후 확률을 근사하세요.