Определение, компиляция и симуляция
В ходе предвыборной кампании обозначим через \(p\) долю избирателей, которые вас поддерживают. На основе предыдущих опросов и данных о выборах ваша априорная модель \(p\) задана распределением Beta(\(a\),\(b\)) с параметрами формы \(a = 45\) и \(b = 55\). Чтобы получить дополнительную информацию о \(p\), вы также опросили \(n\) потенциальных избирателей. Зависимость \(X\) — числа поддержавших вас среди опрошенных — от \(p\) моделируется распределением Bin(\(n\),\(p\)).
По результатам опроса \(X = 6\) из \(n = 10\) избирателей вас поддержали. Следующая задача — обновить модель \(p\) с учётом полученных данных! Для этого вы воспользуетесь пакетом rjags, чтобы аппроксимировать апостериорную модель \(p\). Упражнение разбито на 3 шага rjags: определение, компиляция, симуляция.
Это упражнение является частью курса
Байесовское моделирование с RJAGS
Интерактивное практическое упражнение
Попробуйте выполнить это упражнение, дополнив этот пример кода.
# DEFINE the model
vote_model <- "model{
# Likelihood model for X
X ~ ___
# Prior model for p
p ~ ___
}"