Обновление апостериорного распределения
Апостериорная модель вашей базовой электоральной поддержки \(p\) формируется на основе априорной модели \(p\) и данных опросов \(X\). Запустите скрипт справа, чтобы вспомнить апостериорное распределение, полученное из исходного априорного (Beta(45, 55)) и исходных данных опроса (\(X = 6\) из \(n = 10\) опрошенных избирателей поддерживают вас). Определённая модель vote_model уже находится в вашем рабочем пространстве.
В этом упражнении из 3 шагов вы исследуете, как использование другой априорной модели или наблюдение новых данных (или их сочетание!) может повлиять на апостериорное распределение.
Это упражнение является частью курса
Байесовское моделирование с RJAGS
Интерактивное практическое упражнение
Попробуйте выполнить это упражнение, дополнив этот пример кода.
# COMPILE the model
vote_jags <- jags.model(textConnection(vote_model),
data = list(a = 45, b = 55, X = 6, n = 10),
inits = list(.RNG.name = "base::Wichmann-Hill", .RNG.seed = 100))
# SIMULATE the posterior
vote_sim <- coda.samples(model = vote_jags, variable.names = c("p"), n.iter = 10000)
# PLOT the posterior
plot(vote_sim, trace = FALSE, xlim = c(0,1), ylim = c(0,18))