Symulacja rozkładu a priori Beta
Wyobraź sobie, że startujesz w wyborach na urząd publiczny. Niech \(p\) oznacza twoje rzeczywiste poparcie – czyli odsetek wyborców, którzy planują na ciebie głosować. Na podstawie wcześniejszych sondaży twój model a priori dla \(p\) opisuje rozkład Beta z parametrami kształtu 45 i 55.
Przybliżysz rozkład Beta(45, 55) a priori za pomocą losowych próbek z funkcji rbeta(). Funkcja ta przyjmuje trzy argumenty: rozmiar próbki (n) oraz dwa parametry kształtu (shape1, shape2). Następnie zbudujesz wykres gęstości na podstawie tych próbek, korzystając z ggplot(). Ta funkcja przyjmuje dwa argumenty: zbiór danych zawierający próbki oraz – wewnątrz aes() – zmienną do wyświetlenia na osi x. Warstwę wykresu gęstości dodaje się za pomocą geom_density().
To ćwiczenie jest częścią kursu
Modelowanie bayesowskie z RJAGS
Instrukcje do ćwiczenia
- Użyj
rbeta(), aby wylosować 10 000 próbek z rozkładu Beta(45, 55). Przypisz wynik doprior_A. - Ramka danych
prior_simzawiera próbkęprior_A. Zastosujggplot()doprior_sim, aby zbudować wykres gęstości próbek a priori.
Interaktywne ćwiczenie praktyczne
Spróbuj tego ćwiczenia, uzupełniając ten przykładowy kod.
# Sample 10000 draws from Beta(45,55) prior
prior_A <- rbeta(n = ___, shape1 = ___, shape2 = ___)
# Store the results in a data frame
prior_sim <- data.frame(prior_A)
# Construct a density plot of the prior sample
ggplot(prior_sim, aes(x = ___)) +
geom_density()