Хранение цепей Маркова

Пусть \(m\) — среднее изменение времени реакции после 3 дней депривации сна. В предыдущем упражнении вы получили приближённую выборку из 10 000 значений из апостериорной модели \(m\). Результирующий объект mcmc.list был сохранён как sleep_sim и уже загружен в вашем рабочем пространстве:

sleep_sim <- coda.samples(model = sleep_jags, variable.names = c("m", "s"), n.iter = 10000)

Выборка значений \(m\) из sleep_sim представляет собой зависимую цепь Маркова, распределение которой сходится к апостериорному. Изучите содержимое sleep_sim и, чтобы получить больший контроль над анализом, сохраните данные в виде таблицы данных.

Это упражнение является частью курса

Байесовское моделирование с RJAGS

Посмотреть курс

Инструкции к упражнению

Просмотрите первые строки объекта-списка sleep_sim с помощью функции head().
Первый элемент списка sleep_sim содержит цепи \(m\) и \(s\). Сохраните их в таблице данных с именем sleep_chains. Добавьте переменную iter, которая фиксирует соответствующий номер итерации, 1:10000, для каждого элемента цепи.
Просмотрите первые 6 строк таблицы sleep_chains.

Интерактивное практическое упражнение

Попробуйте выполнить это упражнение, дополнив этот пример кода.

# Check out the head of sleep_sim


# Store the chains in a data frame
sleep_chains <- data.frame(___, iter = ___)

# Check out the head of sleep_chains

Редактировать и запускать код