Wnioskowanie o natężeniu ruchu w dni powszednie

Wyniki symulacji RJAGS z 10 000 iteracji, rail_sim_1, są dostępne w twoim środowisku pracy wraz z ramką danych zawierającą dane łańcuchów Markowa:

> head(rail_chains_1, 2)
         a b.1.       b.2.        s 
1 420.6966    0  -54.30783 118.2328
2 399.5823    0  -52.02570 119.9499

Łańcuchy te dostarczają 10 000 unikalnych zestawów wartości dla a – typowej liczby użytkowników trasy w dni weekendowe – oraz b.2. – kontrastu między typową liczbą użytkowników w dni powszednie a w weekendy. Na przykład pierwszy zestaw parametrów wskazuje, że w weekendy trasa ma zazwyczaj 420.6966 użytkowników, a w dni powszednie jest ich o 54.30783 mniej. Oznacza to, że w dni powszednie na trasie pojawia się zazwyczaj 420.6966 - 54.30783 = 366.3888 użytkowników. Wykorzystasz te dane symulacyjne do wnioskowania o natężeniu ruchu na trasie w dni powszednie.

To ćwiczenie jest częścią kursu

Modelowanie bayesowskie z RJAGS

Zobacz kurs

Instrukcje do ćwiczenia

Połącz wartości łańcuchów a i b.2., aby skonstruować łańcuch 10 000 wartości dla typowej liczby użytkowników trasy w dni powszednie. Zapisz go jako weekday_mean w rail_chains_1.
Użyj ggplot(), aby skonstruować wykres gęstości dla wartości łańcucha weekday_mean.
Wyznacz 95% przedział wiarygodności dla typowej liczby użytkowników trasy w dni powszednie.

Interaktywne ćwiczenie praktyczne

Spróbuj tego ćwiczenia, uzupełniając ten przykładowy kod.

# Construct a chain of values for the typical weekday volume
rail_chains_1 <- rail_chains_1 %>% 
    mutate(weekday_mean = ___)

# Construct a density plot of the weekday chain
ggplot(___, aes(x = ___)) + 
    geom_density()

# 95% credible interval for typical weekday volume

Edytuj i uruchom kod