Definiëren, compileren en simuleren

In je verkiezingsmissie is \(p\) het aandeel van de onderliggende stemgerechtigde bevolking dat jou steunt. Op basis van eerdere peilingen en verkiezingsdata is je prior-model voor \(p\) een Beta(\(a\),\(b\)) met vormparameters \(a = 45\) en \(b = 55\). Voor extra inzicht in \(p\) heb je ook \(n\) potentiële kiezers gepeild. De afhankelijkheid van \(X\), het aantal van deze kiezers dat jou steunt, van \(p\) wordt gemodelleerd met de Bin(\(n\),\(p\))-verdeling.

In de afgeronde peiling steunden \(X = 6\) van de \(n = 10\) kiezers jou. Het volgende doel is om je model van \(p\) bij te werken in het licht van deze geobserveerde peilingdata! Hiervoor gebruik je het rjags-pakket om het posterior-model van \(p\) te benaderen. We splitsen deze oefening op in de 3 rjags-stappen: definiëren, compileren, simuleren.

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
vote_model <- "model{
    # Likelihood model for X
    X ~ ___
    
    # Prior model for p
    p ~ ___
}"

Code bewerken en uitvoeren