or
Это упражнение является частью курса
Байесовские модели объединяют априорные знания с информацией из наблюдаемых данных, формируя обновлённые апостериорные оценки параметров. В этой главе вы рассмотрите ключевые байесовские концепции на примере фундаментальной бета-биномиальной модели для параметра доли. Вы также научитесь использовать пакет rjags для определения, компиляции и симуляции этой модели в R.
Двухпараметрическая нормально-нормальная байесовская модель служит простой основой для нормальных регрессионных моделей. В этой главе вы построите нормально-нормальную модель, определите, скомпилируете и смоделируете её с помощью rjags. Кроме того, вы изучите принципы работы цепей Маркова, лежащие в основе симуляции в rjags.
В этой главе вы расширите нормально-нормальную модель до простой байесовской регрессионной модели. В этом контексте вы изучите, как использовать результаты симуляции rjags для апостериорного вывода. В частности, вы построите апостериорные оценки параметров регрессии с помощью апостериорных средних и достоверных интервалов, проверите гипотезы с использованием апостериорных вероятностей и построите апостериорные прогнозные распределения для новых наблюдений.
В заключительной главе вы обобщите простую нормальную регрессионную модель для применения в более широких контекстах. Вы включите категориальные предикторы, построите многомерную регрессионную модель с двумя предикторами и, наконец, расширите эту методологию до пуассоновских многомерных регрессионных моделей для счётных переменных.
Текущее упражнение