Wnioskowanie a posteriori dla regresji wielowymiarowej

W przestrzeni roboczej masz dostępne wyniki symulacji RJAGS z 10 000 iteracji, rail_sim_2, oraz ramkę danych z wynikami łańcucha Markowa:

> head(rail_chains_2, 2)
         a b.1.      b.2.        c         s
1 49.76954    0 -12.62112 4.999202 111.02247
2 30.22211    0  -3.16221 4.853491  98.11892

Wykorzystasz te 10 000 unikalnych zestawów wartości parametrów, aby podsumować średni trend a posteriori w zależnościach między zmienną volume, statusem weekday a hightemp.

To ćwiczenie jest częścią kursu

Modelowanie bayesowskie z RJAGS

Zobacz kurs

Instrukcje do ćwiczenia

Utwórz wykres punktowy zmiennej volume w zależności od hightemp.

Użyj koloru (color), aby rozróżnić dni robocze i weekendy.
Nanieś linię w kolorze red reprezentującą średni trend a posteriori liniowej zależności między volume a hightemp dla weekendów: m = a + c Z
Nanieś linię w kolorze turquoise3 reprezentującą średni trend a posteriori liniowej zależności między volume a hightemp dla dni roboczych: m = (a + b.2.) + c Z

Interaktywne ćwiczenie praktyczne

Spróbuj tego ćwiczenia, uzupełniając ten przykładowy kod.

# Plot the posterior mean regression models
ggplot(___, aes(x = ___, y = ___, color = ___)) + 
    geom_point() + 
    geom_abline(intercept = mean(___), slope = mean(___), color = "red") + 
    geom_abline(intercept = mean(___) + mean(___), slope = mean(___), color = "turquoise3")

Edytuj i uruchom kod