Zdefiniuj, skompiluj i zasymuluj
W swojej kampanii wyborczej niech \(p\) oznacza udział głosujących w populacji, którzy cię popierają. Na podstawie wcześniejszych sondaży i danych wyborczych twój model a priori parametru \(p\) to Beta(\(a\),\(b\)) z parametrami kształtu \(a = 45\) i \(b = 55\). Aby lepiej zrozumieć \(p\), przeprowadziłeś ankietę wśród \(n\) potencjalnych wyborców. Zależność \(X\) – liczby ankietowanych popierających cię – od \(p\) jest modelowana rozkładem Bin(\(n\),\(p\)).
W przeprowadzonej ankiecie \(X = 6\) spośród \(n = 10\) wyborców wyraziło swoje poparcie. Kolejnym krokiem jest aktualizacja modelu \(p\) w świetle zebranych danych! W tym celu skorzystasz z pakietu rjags, aby przybliżyć model a posteriori parametru \(p\). Ćwiczenie podzielone jest na 3 kroki odpowiadające etapom pracy z rjags: define, compile, simulate.
To ćwiczenie jest częścią kursu
Modelowanie bayesowskie z RJAGS
Interaktywne ćwiczenie praktyczne
Spróbuj tego ćwiczenia, uzupełniając ten przykładowy kod.
# DEFINE the model
vote_model <- "model{
# Likelihood model for X
X ~ ___
# Prior model for p
p ~ ___
}"