Approximera likelihoodfunktionen
Den första valundersökningen är klar! \(X\) = 6 av 10 tillfrågade väljare planerar att rösta på dig. Du kan använda dessa data för att få insikt om ditt underliggande stöd \(p\). För det ändamålet använder du dataramen likelihood_sim (i din arbetsyta). Den innehåller värdena för \(X\) (poll_result) simulerade från var och en av 1 000 möjliga värden på \(p\) mellan 0 och 1 (p_grid).
Den här övningen är en del av kursen
Bayesiansk modellering med RJAGS
Övningsinstruktioner
Funktionen ggplot() här konstruerar fördelningen av \(p\) från vilken varje möjligt utfall av \(X\) genererades. Modifiera koden och ange ett fill-villkor för att markera den fördelning som motsvarar ditt observerade poll_result, \(X=6\). Det ger insikt om vilka värden på \(p\) som är mest förenliga med dina observerade undersökningsdata!
Obs: omge inte villkoret med parenteser ().
Interaktiv övning med praktiskt arbete
Testa den här övningen genom att slutföra den här exempelkoden.
# Density plots of p_grid grouped by poll_result
ggplot(likelihood_sim, aes(x = p_grid, y = poll_result, group = poll_result, fill = ___)) +
geom_density_ridges()