Zdefiniuj, skompiluj i zasymuluj model regresji

Po zaobserwowaniu zależności między wagą \(Y\)_i a wzrostem \(X\)_i dla 507 badanych \(i\) w zbiorze danych bdims możesz zaktualizować posterioryczny model tej zależności. Aby zbudować posterior, musisz połączyć wnioski z funkcji wiarygodności i rozkładów a priori:

• wiarygodność: \(Y\)_i \(\sim N(m\)_i, \(s^2)\), gdzie \(m\)_i \(= a + b X\)_i
• rozkłady a priori: \(a \sim N(0, 200^2)\), \(b \sim N(1, 0.5^2)\) oraz \(s \sim Unif(0, 20)\)

W tej serii ćwiczeń zdefiniujesz, skompilujesz i zasymuldujesz posterioryczny model regresji Bayesowskiej. Zbiór danych bdims jest dostępny w twoim środowisku pracy.