Kom igångKom igång gratis

Inferens för Poisson-hastighetsparametern

Påminn dig om likelihoodstrukturen för din bayesianska Poisson-regressionsmodell av volymen \(Y\)i efter veckodagsstatus \(X\)i och temperatur \(Z\)i:

\(Y\)i \(\sim Pois(l\)i) where \(l\)i\( \; = exp(a + b \; X\)i \(+ c \; Z\)i\()\)

Din RJAGS-simulering av modellens posteriori med 10 000 iterationer, poisson_sim, finns i din arbetsmiljö tillsammans med en dataram med Markovkedjeresultaten: 

> head(poisson_chains, 2)
         a b.1.       b.2.          c
1 5.019807    0 -0.1222143 0.01405269
2 5.018642    0 -0.1217608 0.01407691

Med hjälp av dessa 10 000 unika uppsättningar av posteriora plausibla värden för parametrarna \(a\), \(b\) och \(c\) ska du dra slutsatser om den typiska leden-volymen på dagar med 80 graders temperatur.

Den här övningen är en del av kursen

Bayesiansk modellering med RJAGS

Visa kurs

Övningsinstruktioner

  • Beräkna de typiska leden-volymerna \(l\) på en helgdag med 80 graders temperatur utifrån varje uppsättning parametervärden i poisson_chains. Spara dessa trender som en ny variabel, l_weekend, i poisson_chains.

  • Beräkna på samma sätt de typiska leden-volymerna på en vardag med 80 graders temperatur. Spara dessa som en ny variabel, l_weekday.

  • Beräkna 95%-iga posteriora trovärdighetsintervall för den typiska volymen på en helgdag med 80 graders temperatur och den typiska volymen på en vardag med 80 graders temperatur.

Interaktiv övning med praktiskt arbete

Testa den här övningen genom att slutföra den här exempelkoden.

# Calculate the typical volume on 80 degree weekends & 80 degree weekdays
poisson_chains <- poisson_chains %>% 
    mutate(l_weekend = exp(___ + ___ * 80)) %>% 
    mutate(l_weekday = exp(___ + ___ + ___ * 80))

# Construct a 95% CI for typical volume on 80 degree weekend


# Construct a 95% CI for typical volume on 80 degree weekday
Redigera och kör kod