Definieer, compileer en simuleer de Normal-Normal

Wanneer je de verandering in reactietijd \(Y\)_i bekijkt voor elk van de 18 proefpersonen \(i\) in het slaaponderzoek, kun je je posterieure model van het effect van slaapdeprivatie op reactietijd bijwerken. Dit vereist het combineren van inzicht uit het likelihood- en prior-model:

likelihood: \(Y\)_i \(\sim N(m, s^2)\)
priors: \(m \sim N(50, 25^2)\) en \(s \sim Unif(0, 200)\)

In deze reeks oefeningen ga je je Bayesiaanse posterior definiëren, compileren en simuleren. De geobserveerde sleep_study-gegevens staan in je werkruimte.

Deze oefening maakt deel uit van de cursus

Bayesiaans modelleren met RJAGS

Cursus bekijken

Praktische interactieve oefening

Probeer deze oefening eens door deze voorbeeldcode in te vullen.

# DEFINE the model    
___ <- "model{
    # Likelihood model for Y[i]
    for(i in 1:___) {
        Y[i] ~ ___
    }

    # Prior models for m and s
    m ~ ___
    s ~ ___
}"

Code bewerken en uitvoeren