or
Deze oefening maakt deel uit van de cursus
Bayesiaanse modellen combineren eerdere inzichten met inzichten uit geobserveerde data om geüpdatete, posterior-inzichten over een parameter te vormen. In dit hoofdstuk herhaal je deze Bayesiaanse concepten in de context van het fundamentele Beta-Binomiale model voor een proportieparameter. Je leert ook hoe je het rjags-pakket gebruikt om dit model in R te definiëren, te compileren en te simuleren.
Het twee-parameter Normal-Normal Bayesiaanse model vormt een eenvoudige basis voor normale regressiemodellen. In dit hoofdstuk ontwikkel je het Normal-Normal model en definieer, compileer en simuleer je dit model met rjags. Je verkent ook de magie van de Markov-ketenmechanismen achter rjags-simulaties.
In dit hoofdstuk breid je het Normal-Normal model uit naar een eenvoudig Bayesiaans regressiemodel. Binnen deze context verken je hoe je rjags-simulatieoutput gebruikt om posterior-inferentie uit te voeren. Concreet construeer je posterior-schattingen van regressieparameters met behulp van posterior-gemiddelden en geloofwaardige intervallen, test je hypothesen met posterior-kansen, en bouw je posterior predictieve verdelingen voor nieuwe observaties.
In dit laatste hoofdstuk generaliseer je het eenvoudige normale regressiemodel voor toepassing in bredere contexten. Je neemt categorische voorspellers op, ontwikkelt een multivariaat regressiemodel met twee voorspellers en breidt deze methodologie tenslotte uit naar Poisson-multivariate regressiemodellen voor telvariabelen.
Huidige oefening