Интерпретация параметров многомерной регрессии

В байесовской модели вы исследовали зависимость типичного трафика на тропе от статуса дня \(X\)_i (будний/выходной) и температуры \(Z\)_i: \(m\)_i \(= a + b X\)_i \(+ c Z\)_i. Функция summary() применительно к симуляции модели RJAGS возвращает апостериорные средние оценки параметров \(a\), \(b\) и \(c\):

> summary(rail_sim_2)
        Mean      SD Naive SE Time-series SE
a     36.592 60.6238 0.606238        4.19442
b[1]   0.000  0.0000 0.000000        0.00000
b[2] -49.610 23.4930 0.234930        0.55520
c      5.417  0.8029 0.008029        0.05849
s    103.434  7.9418 0.079418        0.11032

Например, апостериорное среднее \(c\) указывает на то, что с каждым повышением температуры на 1 градус типичный трафик увеличивается примерно на 5,4 пользователя — как в выходные, так и в будние дни. Какая из приведённых ниже интерпретаций \(b\) (здесь представленного как b[2]) является наиболее точной?