Naiva standardfel
Medelvärdet av Markovkedjan med \(m\) drag ger en skattning av posteriorns medelvärde för \(m\). Det naiva standardfelet mäter det potentiella felet i denna skattning och kan användas för att bestämma en lämplig kedjelängd. Anta till exempel att ditt mål är att skatta posteriorns medelvärde för \(m\) med ett standardfel på högst 0.1 ms. Om det observerade naiva standardfelet överstiger detta mål är det inga problem – kör bara en längre kedja. Felet som uppstår när en Markovkedja används för att approximera en posterior minskar nämligen i takt med att kedjelängden ökar.
Den definierade sleep_model och det kompilerade sleep_jags-objektet finns tillgängliga i din arbetsyta.
Den här övningen är en del av kursen
Bayesiansk modellering med RJAGS
Övningsinstruktioner
SIMULERA 1 000 drag från posteriormodellen för \(m\) och \(s\). Lagra resultaten i
sleep_sim_1.Hämta en
summary()av kedjorna isleep_sim_1.Om det naiva standardfelet för kedjan \(m\) överstiger målvärdet 0,1, justera simuleringen: prova antingen 500 eller 10 000 drag (i stället för 1 000). Lagra resultaten i
sleep_sim_2.Hämta en
summary()av kedjorna isleep_sim_2. Kontrollera att den nya simuleringen uppfyller kriteriet. Om inte, gå tillbaka till föregående steg och upprepa!
Interaktiv övning med praktiskt arbete
Testa den här övningen genom att slutföra den här exempelkoden.
# SIMULATE the posterior
sleep_sim_1 <- coda.samples(model = ___, variable.names = c("m", "s"), n.iter = ___)
# Summarize the m and s chains of sleep_sim_1
# RE-SIMULATE the posterior
sleep_sim_2 <- coda.samples(model = ___, variable.names = c("m", "s"), n.iter = ___)
# Summarize the m and s chains of sleep_sim_2