RJAGS-simulatie voor Poisson-regressie

In de vorige video hebben we een Poisson-regressiemodel opgesteld voor volume \(Y\)_i op basis van weekdagstatus \(X\)_i en temperatuur \(Z\)_i:

• likelihood: \(Y\)_i \(\sim Pois(l\)_i) waarbij \(log(l\)_i\() = a + b X\)_i \(+ c Z\)_i
• priors: \(a \sim N(0, 200^2)\), \(b \sim N(0, 2^2)\) en \(c \sim N(0, 2^2)\)

Door je inzichten uit de geobserveerde RailTrail-data te combineren met de hier gegeven priors, ga je een posterior model van deze relatie definiëren, compileren en simuleren met RJAGS. Om jezelf uit te dagen in deze laatste RJAGS-simulatie van de cursus, krijg je minder houvast in de code dan normaal!

De RailTrail-data staan in je werkruimte.