Wiele łańcuchów

Wykresy śladu pomagają ocenić jakość symulacji łańcucha Markowa. „Dobry" łańcuch Markowa charakteryzuje się stabilnością wraz ze wzrostem jego długości oraz spójnością wyników w kolejnych symulacjach, czyli przy zastosowaniu wielu łańcuchów. Skorzystasz z pakietu RJAGS, aby uruchomić cztery równoległe łańcuchy i skonstruować dla nich wykresy śladu. Zdefiniowany model sleep_model jest już dostępny w twoim środowisku pracy.

To ćwiczenie jest częścią kursu

Modelowanie bayesowskie z RJAGS

Zobacz kurs

Instrukcje do ćwiczenia

Użyj funkcji jags.model(), aby SKOMPILOWAĆ model sleep_model i zainicjalizować 4 równoległe łańcuchy. Wynik zapisz w obiekcie jags o nazwie sleep_jags_multi.
ZASYMULUJ próbkę 1 000 losowań z modelu posteriori dla m i s. Wynikową listę mcmc.list zapisz jako sleep_sim_multi.
Sprawdź zawartość head() obiektu sleep_sim_multi. Zwróć uwagę na 4 elementy listy odpowiadające 4 równoległym łańcuchom.
Użyj funkcji plot(), aby skonstruować wykresy śladu dla wielu łańcuchów. Wyłącz wyświetlanie wykresów gęstości.

Interaktywne ćwiczenie praktyczne

Spróbuj tego ćwiczenia, uzupełniając ten przykładowy kod.

# COMPILE the model
sleep_jags_multi <- jags.model(textConnection(sleep_model), data = list(Y = sleep_study$diff_3), ___)   

# SIMULATE the posterior    
sleep_sim_multi <- coda.samples(model = ___, variable.names = c("m", "s"), n.iter = ___)

# Check out the head of sleep_sim_multi


# Construct trace plots of the m and s chains

Edytuj i uruchom kod