การกระจายเชิงทำนายหลัง posterior

data frame weight_chains (ใน workspace ของคุณ) มีการทำนาย posterior จำนวน 100,000 ค่า ซึ่งก็คือ Y_180 สำหรับน้ำหนักของผู้ใหญ่ที่มีส่วนสูง 180 ซม.:

> head(weight_chains, 2)
          a        b        s iter    m_180    Y_180
1 -113.9029 1.072505 8.772007    1 79.14803 71.65811
2 -115.0644 1.077914 8.986393    2 78.96014 75.78893

จะใช้การทำนาย 100,000 ค่านี้เพื่อประมาณ การกระจายเชิงทำนายหลัง posterior สำหรับน้ำหนักของผู้ใหญ่ที่มีส่วนสูง 180 ซม. โดยข้อมูล bdims อยู่ใน workspace แล้ว

แบบฝึกหัดนี้เป็นส่วนหนึ่งของหลักสูตร

การสร้างแบบจำลอง Bayesian ด้วย RJAGS

ดูคอร์ส

คำแนะนำการฝึกหัด

ใช้ค่า Y_180 จำนวน 10,000 ค่า เพื่อสร้างช่วงความน่าเชื่อถือ posterior 95% สำหรับน้ำหนักของผู้ใหญ่ที่มีส่วนสูง 180 ซม.
สร้าง density plot จากการทำนายที่เป็นไปได้ทั้ง 100,000 ค่า
สร้าง scatterplot ของข้อมูล wgt เทียบกับ hgt ใน bdims
- ใช้ geom_abline() เพื่อวางแนวโน้มการถดถอย posterior ทับลงบนกราฟ
- ใช้ geom_segment() เพื่อวางเส้นแนวตั้งที่ hgt เท่ากับ 180 ซึ่งแสดงขอบเขตล่างและบน (y และ yend) ของ ci_180

แบบฝึกหัดเชิงโต้ตอบแบบลงมือทำ

ลองทำแบบฝึกหัดนี้โดยเติมโค้ดตัวอย่างนี้ให้สมบูรณ์

# Construct a posterior credible interval for the prediction
ci_180 <- quantile(___, probs = c(___, ___))
ci_180

# Construct a density plot of the posterior predictions
ggplot(___, aes(x = ___)) + 
    geom_density() + 
    geom_vline(xintercept = ci_180, color = "red")

# Visualize the credible interval on a scatterplot of the data
ggplot(___, aes(x = ___, y = ___)) + 
    geom_point() + 
    geom_abline(intercept = mean(___), slope = mean(___), color = "red") + 
    geom_segment(x = 180, xend = 180, y = ___, yend = ___, color = "red")

แก้ไขและรันโค้ด