Łańcuchy Markowa dla regresji

W poprzednim ćwiczeniu uruchomiono 4 równoległe łańcuchy Markowa o długości 1 000, aby przybliżyć posterioryczny model parametrów regresji \(a\), \(b\) i \(s\). Wynik był podobny do poniższego:

Choć uruchomienie tego kodu wymagałoby zbyt dużej mocy obliczeniowej, wyniki nowej symulacji RJAGS przeprowadzonej dla 100 000 iteracji są już dostępne w twoim środowisku. Ten obiekt klasy mcmc.list jest przechowywany jako weight_sim_big. Utwórz wykres plot() łańcuchów Markowa z weight_sim_big i przeanalizuj go. Które z poniższych stwierdzeń najlepiej opisuje porównanie tych wyników z wynikami pierwotnej symulacji?

คำตอบที่เป็นไปได้

Łańcuchy Markowa o długości 1 000 są zbyt krótkie. Nie ustabilizowały się, więc prawdopodobnie nie dają wiarygodnego przybliżenia rozkładu posteriorycznego.

Łańcuchy Markowa stabilizują się po 100 000 iteracjach, co zapewnia bardziej wiarygodne przybliżenie rozkładu posteriorycznego.

Obie powyższe odpowiedzi są poprawne.

แบบฝึกหัด

Łańcuchy Markowa dla regresji

คำแนะนำ

คำตอบที่เป็นไปได้

.css-6su6fj{-webkit-flex-shrink:0;-ms-flex-negative:0;flex-shrink:0;}แบบฝึกหัด

คำแนะนำ

คำตอบที่เป็นไปได้

แบบฝึกหัด