Posteriori predyktywny rozkład

Ramka danych weight_chains (dostępna w twoim środowisku) zawiera 100 000 posteriori predykcji, Y_180, dotyczących wagi osoby dorosłej o wzroście 180 cm:

> head(weight_chains, 2)
          a        b        s iter    m_180    Y_180
1 -113.9029 1.072505 8.772007    1 79.14803 71.65811
2 -115.0644 1.077914 8.986393    2 78.96014 75.78893

Wykorzystasz te 100 000 predykcji do przybliżenia posteriori predyktywnego rozkładu wagi osoby dorosłej o wzroście 180 cm. Zbiór danych bdims jest dostępny w twoim środowisku.

To ćwiczenie jest częścią kursu

Modelowanie bayesowskie z RJAGS

Zobacz kurs

Instrukcje do ćwiczenia

Korzystając z 10 000 wartości Y_180, wyznacz 95% posteriori przedział wiarygodny dla wagi osoby dorosłej o wzroście 180 cm.
Skonstruuj wykres gęstości na podstawie 100 000 posteriori predykcji.
Skonstruuj wykres punktowy zależności wgt od hgt na podstawie danych bdims.
- Użyj geom_abline(), aby nałożyć na wykres posteriori trend regresji.
- Użyj geom_segment(), aby nałożyć pionową linię przy hgt równym 180, reprezentującą dolną i górną granicę (y i yend) przedziału ci_180.

Interaktywne ćwiczenie praktyczne

Spróbuj tego ćwiczenia, uzupełniając ten przykładowy kod.

# Construct a posterior credible interval for the prediction
ci_180 <- quantile(___, probs = c(___, ___))
ci_180

# Construct a density plot of the posterior predictions
ggplot(___, aes(x = ___)) + 
    geom_density() + 
    geom_vline(xintercept = ci_180, color = "red")

# Visualize the credible interval on a scatterplot of the data
ggplot(___, aes(x = ___, y = ___)) + 
    geom_point() + 
    geom_abline(intercept = mean(___), slope = mean(___), color = "red") + 
    geom_segment(x = 180, xend = 180, y = ___, yend = ___, color = "red")

Edytuj i uruchom kod