Interpretando parâmetros de regressão multivariada

Seu modelo Bayesiano explorou a dependência do volume típico da trilha em relação ao status de dia de semana \(X\)_i e à temperatura \(Z\)_i: \(m\)_i \(= a + b X\)_i \(+ c Z\)_i. Um summary() da simulação do seu modelo RJAGS fornece estimativas das médias a posteriori dos parâmetros \(a\), \(b\) e \(c\):

> summary(rail_sim_2)
        Mean      SD Naive SE Time-series SE
a     36.592 60.6238 0.606238        4.19442
b[1]   0.000  0.0000 0.000000        0.00000
b[2] -49.610 23.4930 0.234930        0.55520
c      5.417  0.8029 0.008029        0.05849
s    103.434  7.9418 0.079418        0.11032

Por exemplo, a média a posteriori de \(c\) indica que, tanto nos fins de semana quanto nos dias de semana, o volume típico no trilho aumenta em ~5,4 usuários a cada aumento de 1 grau na temperatura. Qual das seguintes interpretações de \(b\) (representado aqui por b[2]) é a mais precisa?