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.
To ćwiczenie jest częścią kursu
Modelowanie bayesowskie z RJAGS
Instrukcje do ćwiczenia
- 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.
Interaktywne ćwiczenie praktyczne
Spróbuj tego ćwiczenia, uzupełniając ten przykładowy kod.
# Mark 1.1 on a posterior density plot for b
ggplot(___, aes(x = ___)) +
geom_density() +
geom_vline(xintercept = ___, color = "red")
# Summarize the number of b chain values that exceed 1.1
# Calculate the proportion of b chain values that exceed 1.1