or
Este exercicio faz parte do curso
Modelos Bayesianos combinam conhecimentos prévios com informações dos dados observados para formar conhecimentos atualizados, ou posteriores, sobre um parâmetro. Neste capítulo, você vai revisar esses conceitos Bayesianos no contexto do modelo fundamental Beta-Binomial para um parâmetro de proporção. Você também vai aprender a usar o pacote rjags para definir, compilar e simular esse modelo no R.
O modelo Bayesiano Normal-Normal de dois parâmetros fornece uma base simples para modelos de regressão Normal. Neste capítulo, você vai construir o Normal-Normal e definir, compilar e simular esse modelo usando o rjags. Você também vai explorar a "mágica" da mecânica de cadeias de Markov por trás da simulação do rjags.
Neste capítulo, você vai estender o modelo Normal-Normal para um modelo simples de regressão Bayesiana. Nesse contexto, você vai explorar como usar a saída de simulação do rjags para conduzir a inferência posterior. Especificamente, você vai construir estimativas posteriores dos parâmetros de regressão usando médias posteriores e intervalos credíveis, vai testar hipóteses usando probabilidades posteriores e vai construir distribuições preditivas posteriores para novas observações.
Neste capítulo final, você vai generalizar o modelo simples de regressão Normal para aplicação em contextos mais amplos. Você vai incorporar preditores categóricos, construir um modelo de regressão multivariada com dois preditores e, por fim, estender essa metodologia para modelos de regressão multivariada de Poisson para variáveis de contagem.
Exercicio Atual