or
Den här övningen är en del av kursen
Bayesianska modeller kombinerar tidigare kunskap med insikter från observerade data för att bilda en uppdaterad, posteriori-baserad förståelse av en parameter. I det här kapitlet går du igenom dessa bayesianska begrepp i kontexten av den grundläggande Beta-Binomial-modellen för en proportionsparameter. Du lär dig också hur du använder paketet rjags för att definiera, kompilera och simulera den här modellen i R.
Den tvåparameterbaserade Normal-Normal-modellen utgör en enkel grund för normala regressionsmodeller. I det här kapitlet konstruerar du Normal-Normal-modellen och definierar, kompilerar och simulerar den med hjälp av rjags. Du utforskar också mekaniken bakom Markovkedjorna som driver rjags-simuleringen.
I det här kapitlet utökar du Normal-Normal-modellen till en enkel bayesiansk regressionsmodell. Inom den kontexten lär du dig att använda rjags-simuleringsutdata för att genomföra posteriori-inferens. Konkret konstruerar du posteriori-skattningar av regressionsparametrar med hjälp av posteriorimedelvärden och trovärdighetsintervall, testar hypoteser med posterioribaserade sannolikheter och skapar posteriori-prediktiva fördelningar för nya observationer.
I det här sista kapitlet generaliserar du den enkla normala regressionsmodellen för tillämpning i bredare sammanhang. Du inkorporerar kategoriska prediktorer, bygger en multivariat regressionsmodell med två prediktorer och utökar sedan metodiken till Poisson-baserade multivariata regressionsmodeller för räknevariabler.
Aktuell övning