Апостериорный анализ многомерной регрессии

В вашем рабочем пространстве доступны результаты симуляции RJAGS с 10 000 итераций — rail_sim_2, а также датафрейм с выводом цепей Маркова:

> 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

Вы воспользуетесь этими 10 000 уникальными наборами значений параметров, чтобы описать апостериорный средний тренд в зависимостях между volume, статусом weekday и hightemp.

Это упражнение является частью курса

Байесовское моделирование с RJAGS

Посмотреть курс

Инструкции к упражнению

Постройте диаграмму рассеяния volume в зависимости от hightemp.

Используйте параметр color, чтобы различать будние и выходные дни.
Наложите линию red, отражающую апостериорный средний тренд линейной зависимости между volume и hightemp для выходных дней: m = a + c Z
Наложите линию turquoise3, отражающую апостериорный средний тренд линейной зависимости между volume и hightemp для будних дней: m = (a + b.2.) + c Z

Интерактивное практическое упражнение

Попробуйте выполнить это упражнение, дополнив этот пример кода.

# 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")

Редактировать и запускать код