Kom igångKom igång gratis

Posteriora trovärdighetsintervall

Nu fokuserar vi på lutningsparametern \(b\), det vill säga hur snabbt vikten förändras i förhållande till längden. Posteriort medelvärde för \(b\) speglar trenden i posteriormodellen för lutningen. Ett posteriort trovärdighetsintervall ger däremot ett intervall av rimliga posteriorvärden för lutningen och återspeglar därmed posteriort osäkerhet om \(b\). Till exempel sträcker sig 95%-trovärdighetsintervallet för \(b\) från kvantil 2,5 till kvantil 97,5 i posteriorfördelningen för \(b\). Det innebär att det är 95% (posteriort) sannolikhet att \(b\) befinner sig i det intervallet.

Du använder RJAGS-simuleringsutdata för att approximera trovärdighetsintervall för \(b\). RJAGS-simuleringen med 100 000 iterationer av posteriorn, weight_sim_big, finns i din arbetsyta tillsammans med en dataram över Markovkedjeutdata, weight_chains.

Den här övningen är en del av kursen

Bayesiansk modellering med RJAGS

Visa kurs

Övningsinstruktioner

  • Hämta summary()-statistik för weight_sim_big-kedjorna.
  • Posteriorkvantiterna 2.5% och 97.5% för \(b\) visas i Tabell 2 i summary(). Använd quantile() på den råa weight_chains-datan för att verifiera dessa beräkningar. Spara resultatet som ci_95 och skriv ut det.
  • Konstruera på liknande sätt ett 90%-trovärdighetsintervall för \(b\) med hjälp av weight_chains-datan. Spara det som ci_90 och skriv ut det.
  • Skapa ett täthetssdiagram över Markovkedjevärdena för \(b\). Lägg till vertikala linjer som representerar 90%-trovärdighetsintervallet för \(b\) med hjälp av geom_vline() och xintercept = ci_90.

Interaktiv övning med praktiskt arbete

Testa den här övningen genom att slutföra den här exempelkoden.

# Summarize the posterior Markov chains


# Calculate the 95% posterior credible interval for b
ci_95 <- quantile(___, probs = c(___, ___))
ci_95

# Calculate the 90% posterior credible interval for b
ci_90 <- ___
ci_90

# Mark the 90% credible interval 
ggplot(___, aes(x = ___)) + 
    geom_density() + 
    geom_vline(xintercept = ___, color = "red")
Redigera och kör kod