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

연습 문제

범주형 변수를 활용한 RJAGS 시뮬레이션

평일 여부 \(X\)i로 물량 \(Y\)i을 설명하는 Normal 회귀 모형을 생각해 봅시다:

  • 가능도: \(Y\)i \(\sim N(m\)i, \(s^2)\), 여기서 \(m\)i \(= a + b X\)i
  • 사전분포: \(a \sim N(400, 100^2)\), \(b \sim N(0, 200^2)\), \(s \sim Unif(0, 200)\)

작업 공간에 있는 RailTrail 데이터의 90일 관측치로 \(Y\)i와 \(X\)i의 관계를 살펴보셨습니다. 이제 이 데이터와 위 사전분포를 반영해 이 관계에 대한 사후 모형을 업데이트해 보겠습니다. 이번 분석은 \(X\)i가 범주형이라는 점에서 이전과 다릅니다. rjags 문법에서는 계수 $b$가 주말과 평일 수준에 대응하는 두 원소 b[1], b[2]로 정의됩니다. 기준으로 b[1]은 0으로 고정됩니다. 반면 b[2]는 $b$의 사전분포에 따라 모형화됩니다.

지침 1/3

undefined XP
    1
    2
    3

모형을 정의하세요.

  • m[i] <- a + b[X[i]]에서 주어진 m[i]와 s를 기준으로 Y[i]의 가능도 모형을 정의하세요. 여기서 새 표기 b[X[i]]에 주의하세요!
  • a, b(즉, b[1]과 b[2]), s의 사전분포를 지정하세요.
  • 모형 문자열을 rail_model_1로 저장하세요.