Inferência a posteriori para regressão multivariada

A saída da simulação do RJAGS com 10.000 iterações, rail_sim_2, está no seu workspace junto com um data frame da saída das cadeias de Markov:

> 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

Você vai usar esses 10.000 conjuntos de valores de parâmetros para resumir a tendência média a posteriori nos relacionamentos entre volume da trilha, status de weekday e hightemp.

Este exercicio faz parte do curso

Modelagem Bayesiana com RJAGS

Ver curso

Instruções do exercicio

Construa um diagrama de dispersão de volume por hightemp.

Use color para distinguir entre dias de semana e fins de semana.
Sobreponha uma linha red que represente a tendência média a posteriori do relacionamento linear entre volume e hightemp para fins de semana: m = a + c Z
Sobreponha uma linha turquoise3 que represente a tendência média a posteriori do relacionamento linear entre volume e hightemp para dias de semana: m = (a + b.2.) + c Z

exercicio interativo prático

Tente este exercicio completando este código de exemplo.

# 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")

Editar e Executar Código