1. Learn
    2. /
  2. Kurser
    3. /
  3. Modelowanie bayesowskie z RJAGS
Connected

övning

Prawdopodobieństwa a posteriori

Korzystając z wyników RJAGS, zbadałeś i skwantyfikowałeś trend a posteriori oraz niepewność parametru \(b\). Wyniki RJAGS możesz też wykorzystać do weryfikacji konkretnych hipotez. Na przykład: jakie jest prawdopodobieństwo a posteriori, że przeciętnie waga rośnie o więcej niż 1,1 kg na każdy centymetr wzrostu? Innymi słowy, jakie jest prawdopodobieństwo a posteriori, że \(b > 1.1\)?

To prawdopodobieństwo przybliżysz jako odsetek wartości łańcucha Markowa parametru \(b\), które przekraczają 1.1. W twoim środowisku pracy dostępna jest ramka danych weight_chains z wynikami łańcucha Markowa z 100 000 iteracji.

Instruktioner

100 XP
  • Skonstruuj wykres gęstości wartości łańcucha Markowa parametru \(b\) i użyj geom_vline(), aby nałożyć na niego pionową linię w punkcie 1.1.
  • Użyj table(), aby podsumować liczbę wartości łańcucha Markowa parametru \(b\), które przekraczają 1.1.
  • Użyj mean(), aby obliczyć odsetek wartości łańcucha Markowa parametru \(b\) przekraczających 1.1.