Symulacja RJAGS dla regresji wielowymiarowej

Rozważ następujący bayesowski model wolumenu \(Y\)_i w zależności od statusu dnia tygodnia \(X\)_i i temperatury \(Z\)_i:

• wiarygodność: \(Y\)_i \(\sim N(m\)_i, \(s^2)\), gdzie \(m\)_i \(= a + b X\)_i \(+ c Z\)_i .
• priors: \(a \sim N(0, 200^2)\), \(b \sim N(0, 200^2)\), \(c \sim N(0, 20^2)\), \(s \sim Unif(0, 200)\)

Wcześniejsza analiza zależności między volume, weekday a hightemp w zbiorze danych RailTrail pozwoliła ci lepiej zrozumieć tę relację. Teraz połączysz tę wiedzę z informacją zawartą w priorach, aby za pomocą RJAGS zbudować model posteriori tej zależności. Zbiór danych RailTrail jest dostępny w twoim środowisku pracy.