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

Exercise

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.

Instructions 1/3

undefined XP
    1
    2
    3

ZDEFINIUJ swój model Bayesowski.

  • Zdefiniuj model wiarygodności Y[i] w zależności od m[i] i s, gdzie m[i] <- a + b * X[i].
  • Określ rozkłady a priori dla a, b i s.
  • Zapisz łańcuch tekstowy modelu jako weight_model.