Posterieure waarschijnlijkheden
Je hebt RJAGS-uitvoer gebruikt om de posterieure trend en onzekerheid \(b\) te verkennen en te kwantificeren. Je kunt RJAGS-uitvoer ook gebruiken om specifieke hypothesen te toetsen. Bijvoorbeeld: wat is de posterieure waarschijnlijkheid dat het gewicht gemiddeld met meer dan 1,1 kg toeneemt voor elke 1 cm toename in lengte? Met andere woorden, wat is de posterieure waarschijnlijkheid dat \(b > 1.1\)?
Je zult deze waarschijnlijkheid benaderen met het aandeel \(b\)-Markovketenwaarden dat groter is dan 1.1. Het weight_chains-dataframe met de Markovketen-uitvoer van 100.000 iteraties staat in je werkruimte.
Deze oefening maakt deel uit van de cursus
Bayesiaans modelleren met RJAGS
Oefeninstructies
- Maak een dichtheidsplot van de \(b\)-Markovketenwaarden en gebruik
geom_vline()om een verticale lijn bij 1.1 te plaatsen. - Gebruik
table()om samen te vatten hoeveel \(b\)-Markovketenwaarden groter zijn dan 1.1. - Gebruik
mean()om de fractie van \(b\)-Markovketenwaarden te berekenen die groter zijn dan 1.1.
Praktische interactieve oefening
Probeer deze oefening eens door deze voorbeeldcode in te vullen.
# Mark 1.1 on a posterior density plot for b
ggplot(___, aes(x = ___)) +
geom_density() +
geom_vline(xintercept = ___, color = "red")
# Summarize the number of b chain values that exceed 1.1
# Calculate the proportion of b chain values that exceed 1.1