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

ćwiczenie

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().

Instrukcje

100 XP
  • Użyj rbeta(), aby wylosować 10 000 próbek z rozkładu Beta(45, 55). Przypisz wynik do prior_A.
  • Ramka danych prior_sim zawiera próbkę prior_A. Zastosuj ggplot() do prior_sim, aby zbudować wykres gęstości próbek a priori.