Inferență posterioară pentru regresia multivariată

Rezultatele simulării RJAGS cu 10.000 de iterații, rail_sim_2, se află în spațiul tău de lucru, împreună cu un data frame al ieșirilor lanțului 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

Vei folosi aceste 10.000 de seturi unice de valori ale parametrilor pentru a rezuma tendința posterioară medie a relațiilor dintre volume, statutul de zi weekday și hightemp.

Acest exercițiu face parte din cursul

Modelare bayesiană cu RJAGS

Vezi cursul

Instrucțiuni pentru exercițiu

Construiește un scatterplot al volume în funcție de hightemp.

Folosește color pentru a distinge între zilele lucrătoare și weekend.
Suprapune o dreaptă red care reprezintă tendința posterioară medie a relației liniare dintre volume și hightemp pentru weekend: m = a + c Z
Suprapune o dreaptă turquoise3 care reprezintă tendința posterioară medie a relației liniare dintre volume și hightemp pentru zilele lucrătoare: m = (a + b.2.) + c Z

Exercițiu interactiv practic

Încearcă acest exercițiu completând acest cod de exemplu.

# 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")

Editează și rulează codul