1. Nauka
    2. /
  2. Kursy
    3. /
  3. Modelowanie bayesowskie z RJAGS
Connected

ćwiczenie

Naiwne błędy standardowe

Średnia z \(m\) łańcucha Markowa stanowi estymator wartości oczekiwanej a posteriori parametru \(m\). Naiwny błąd standardowy mierzy potencjalny błąd tej estymacji. Możemy go wykorzystać do wyznaczenia odpowiedniej długości łańcucha. Załóżmy na przykład, że celem jest estymacja wartości oczekiwanej a posteriori \(m\) z błędem standardowym nieprzekraczającym 0,1 ms. Jeśli zaobserwowany naiwny błąd standardowy przekracza ten próg – nie ma problemu! Wystarczy uruchomić dłuższy łańcuch – błąd wynikający z aproksymacji rozkładu a posteriori łańcuchem Markowa maleje wraz ze wzrostem jego długości.

Do dyspozycji masz zdefiniowany model sleep_model oraz skompilowany obiekt sleep_jags.

Instrukcje

100 XP

  • ZASYMULUJ 1000 losowań z modelu a posteriori \(m\) i \(s\). Zapisz je w sleep_sim_1.

  • Oblicz summary() dla łańcuchów z sleep_sim_1.

  • Jeśli naiwny błąd standardowy łańcucha \(m\) przekracza wartość docelową 0,1, dostosuj symulację: spróbuj użyć 500 lub 10 000 losowań (zamiast 1000). Wyniki zapisz w sleep_sim_2.

  • Oblicz summary() dla łańcuchów z sleep_sim_2. Sprawdź, czy nowa symulacja spełnia kryterium. Jeśli nie – wróć do poprzedniego kroku i powtórz!