Een Beta-prior simuleren

Stel, je doet mee aan verkiezingen voor een openbaar ambt. Laat \(p\) je onderliggende steun zijn: het aandeel kiezers dat van plan is op je te stemmen. Op basis van eerdere peilingen modelleer je je prior voor \(p\) met een Beta-verdeling met shape-parameters 45 en 55.

Je benadert de Beta(45, 55)-prior met willekeurige steekproeven uit de functie rbeta(). Deze functie neemt drie argumenten: steekproefgrootte (n) en twee shape-parameters (shape1, shape2). Vervolgens maak je een dichtheidsplot van de steekproeven met ggplot(). Deze functie krijgt twee argumenten: de gegevensset met de steekproeven en, binnen aes(), de variabele die op de x-as wordt geplot. De laag voor de dichtheidsplot voeg je toe met geom_density().

Deze oefening maakt deel uit van de cursus

Bayesiaans modelleren met RJAGS

Cursus bekijken

Oefeninstructies

Gebruik rbeta() om 10.000 trekkingen te nemen uit Beta(45, 55). Ken de uitvoer toe aan prior_A.
Het prior_sim-data frame bevat de prior_A-steekproef. Pas ggplot() toe op prior_sim om een dichtheidsplot van de prior-steekproeven te maken.

Praktische interactieve oefening

Probeer deze oefening eens door deze voorbeeldcode in te vullen.

# Sample 10000 draws from Beta(45,55) prior
prior_A <- rbeta(n = ___, shape1 = ___, shape2 = ___)

# Store the results in a data frame
prior_sim <- data.frame(prior_A)

# Construct a density plot of the prior sample
ggplot(prior_sim, aes(x = ___)) + 
    geom_density()

Code bewerken en uitvoeren