Definir, compilar e simular
Na sua campanha eleitoral, seja \(p\) a proporção da população votante que apoia você. Com base em pesquisas e dados de eleições anteriores, seu modelo a priori para \(p\) é uma Beta(\(a\),\(b\)) com parâmetros de forma \(a = 45\) e \(b = 55\). Para obter mais informações sobre \(p\), você também entrevistou \(n\) eleitores potenciais. A dependência de \(X\), o número desses eleitores que apoia você, em relação a \(p\) é modelada pela distribuição Bin(\(n\),\(p\)).
Na pesquisa concluída, \(X = 6\) de \(n = 10\) eleitores apoiaram você. O próximo objetivo é atualizar seu modelo de \(p\) à luz desses dados observados! Para isso, você vai usar o pacote rjags para aproximar o modelo a posteriori de \(p\). Vamos dividir este exercício em 3 etapas do rjags: definir, compilar, simular.
Este exercicio faz parte do curso
Modelagem Bayesiana com RJAGS
exercicio interativo prático
Tente este exercicio completando este código de exemplo.
# DEFINE the model
vote_model <- "model{
# Likelihood model for X
X ~ ___
# Prior model for p
p ~ ___
}"