Kom igångKom igång gratis

Lagra Markovkedjor

Låt \(m\) vara den genomsnittliga förändringen i reaktionstid efter 3 dagars sömnbrist. I en tidigare övning tog du fram ett ungefärligt urval på 10 000 dragningar från posteriormodellen för \(m\). Det resulterande mcmc.list-objektet sparades som sleep_sim och är inläst i din arbetsmiljö:

sleep_sim <- coda.samples(model = sleep_jags, variable.names = c("m", "s"), n.iter = 10000)

Urvalet av \(m\)-värden i sleep_sim är i själva verket en beroende Markovkedja, vars fördelning konvergerar mot posteriorn. Du ska nu undersöka innehållet i sleep_sim och, för att få bättre kontroll över analysen, spara innehållet i en dataram.

Den här övningen är en del av kursen

Bayesiansk modellering med RJAGS

Visa kurs

Övningsinstruktioner

  • Titta på head() för listobjektet sleep_sim.

  • Det första listobjektet i sleep_sim innehåller kedjorna för \(m\) och \(s\). Spara dessa i en dataram med namnet sleep_chains. Inkludera en variabel iter som registrerar motsvarande iterationsnummer, 1:10000, för varje element i kedjan.

  • Titta på de första 6 raderna i sleep_chains.

Interaktiv övning med praktiskt arbete

Testa den här övningen genom att slutföra den här exempelkoden.

# Check out the head of sleep_sim


# Store the chains in a data frame
sleep_chains <- data.frame(___, iter = ___)

# Check out the head of sleep_chains
Redigera och kör kod