Erori standard naive
Media lanțului Markov de lungime \(m\) oferă o estimare a mediei posterioare a lui \(m\). Eroarea standard naivă măsoară eroarea potențială a acestei estimări. Pe baza ei, putem determina o lungime adecvată a lanțului. De exemplu, să presupunem că scopul tău este să estimezi media posterioară a lui \(m\) cu o eroare standard de 0.1 ms. Dacă eroarea standard naivă observată depășește această țintă, nu e o problemă! Rulează pur și simplu un lanț mai lung – eroarea introdusă de utilizarea unui lanț Markov pentru aproximarea unei distribuții posterioare tinde să scadă pe măsură ce lungimea lanțului crește.
Modelul definit sleep_model și obiectul compilat sleep_jags sunt disponibile în spațiul tău de lucru.
Acest exercițiu face parte din cursul
Modelare bayesiană cu RJAGS
Instrucțiuni pentru exercițiu
SIMULEAZĂ 1.000 de eșantioane din modelul posterior al lui \(m\) și \(s\). Stochează-le în
sleep_sim_1.Obține un
summary()al lanțurilor dinsleep_sim_1.Dacă eroarea standard naivă a lanțului \(m\) depășește ținta de 0,1, ajustează simularea: încearcă fie 500, fie 10.000 de eșantioane (în loc de 1.000). Stochează rezultatele în
sleep_sim_2.Obține un
summary()al lanțurilor dinsleep_sim_2. Verifică dacă noua simulare îndeplinește criteriul. Dacă nu, revino la pasul anterior și repetă!
Exercițiu interactiv practic
Încearcă acest exercițiu completând acest cod de exemplu.
# SIMULATE the posterior
sleep_sim_1 <- coda.samples(model = ___, variable.names = c("m", "s"), n.iter = ___)
# Summarize the m and s chains of sleep_sim_1
# RE-SIMULATE the posterior
sleep_sim_2 <- coda.samples(model = ___, variable.names = c("m", "s"), n.iter = ___)
# Summarize the m and s chains of sleep_sim_2