RJAGS-simulatie voor multivariate regressie

Beschouw het volgende Bayesiaanse model van volume \(Y\)_i op basis van weekdagstatus \(X\)_i en temperatuur \(Z\)_i:

• likelihood: \(Y\)_i \(\sim N(m\)_i, \(s^2)\) waarbij \(m\)_i \(= a + b X\)_i \(+ c Z\)_i.
• priors: \(a \sim N(0, 200^2)\), \(b \sim N(0, 200^2)\), \(c \sim N(0, 20^2)\), \(s \sim Unif(0, 200)\)

Je eerdere verkenning van de relatie tussen volume, weekday en hightemp in de RailTrail-gegevens gaf al wat inzicht in deze relatie. Je combineert dit nu met inzicht uit de priors om met RJAGS een posterior model van deze relatie op te stellen. De RailTrail-gegevens staan in je werkruimte.