Kom igångKom igång gratis

Posteriort inferens för multivariat regression

RJAGS-simuleringens utdata med 10 000 iterationer, rail_sim_2, finns i din arbetsmiljö tillsammans med en dataram för Markovkedjans utdata:

> head(rail_chains_2, 2)
         a b.1.      b.2.        c         s
1 49.76954    0 -12.62112 4.999202 111.02247
2 30.22211    0  -3.16221 4.853491  98.11892

Du använder dessa 10 000 unika uppsättningar av parametervärden för att sammanfatta det posteriora medeltrendet i sambanden mellan ledets volume, weekday-status och hightemp.

Den här övningen är en del av kursen

Bayesiansk modellering med RJAGS

Visa kurs

Övningsinstruktioner

Skapa ett spridningsdiagram för volume mot hightemp.

  • Använd color för att skilja mellan vardagar och helger.
  • Lägg till en red linje som representerar det posteriora medeltrendet för det linjära sambandet mellan volume och hightemp under helger: m = a + c Z
  • Lägg till en turquoise3 linje som representerar det posteriora medeltrendet för det linjära sambandet mellan volume och hightemp under vardagar: m = (a + b.2.) + c Z

Interaktiv övning med praktiskt arbete

Testa den här övningen genom att slutföra den här exempelkoden.

# Plot the posterior mean regression models
ggplot(___, aes(x = ___, y = ___, color = ___)) + 
    geom_point() + 
    geom_abline(intercept = mean(___), slope = mean(___), color = "red") + 
    geom_abline(intercept = mean(___) + mean(___), slope = mean(___), color = "turquoise3")
Redigera och kör kod