เริ่มต้นใช้งานเริ่มต้นใช้งานได้ฟรี

การจัดเก็บ Markov chains

ให้ \(m\) แทนค่าเฉลี่ยของการเปลี่ยนแปลงเวลาตอบสนองหลังจากอดนอน 3 วัน ในแบบฝึกหัดก่อนหน้า คุณได้ตัวอย่างโดยประมาณจำนวน 10,000 ค่าจากโมเดล posterior ของ \(m\) และจัดเก็บออบเจกต์ mcmc.list ที่ได้ไว้ในชื่อ sleep_sim ซึ่งโหลดไว้ใน workspace ของคุณแล้ว:

sleep_sim <- coda.samples(model = sleep_jags, variable.names = c("m", "s"), n.iter = 10000)

อันที่จริง ตัวอย่างค่า \(m\) ใน sleep_sim คือ Markov chain แบบ dependent ซึ่งการกระจายตัวของมันจะ converge เข้าสู่ค่า posterior ในแบบฝึกหัดนี้ คุณจะสำรวจเนื้อหาของ sleep_sim และจัดเก็บข้อมูลลงใน data frame เพื่อให้ควบคุมการวิเคราะห์ได้ละเอียดยิ่งขึ้น

แบบฝึกหัดนี้เป็นส่วนหนึ่งของหลักสูตร

การสร้างแบบจำลอง Bayesian ด้วย RJAGS

ดูคอร์ส

คำแนะนำการฝึกหัด

  • ตรวจสอบข้อมูลด้วย head() ของออบเจกต์ลิสต์ sleep_sim

  • รายการแรกของ sleep_sim ประกอบด้วย chain ของ \(m\) และ \(s\) ให้จัดเก็บข้อมูลเหล่านี้ลงใน data frame ชื่อ sleep_chains โดยเพิ่มตัวแปร iter เพื่อบันทึก หมายเลข iteration ที่สอดคล้องกัน คือ 1:10000 สำหรับแต่ละองค์ประกอบของ chain

  • ตรวจสอบ 6 แถวแรกของ sleep_chains

แบบฝึกหัดเชิงโต้ตอบแบบลงมือทำ

ลองทำแบบฝึกหัดนี้โดยเติมโค้ดตัวอย่างนี้ให้สมบูรณ์

# Check out the head of sleep_sim


# Store the chains in a data frame
sleep_chains <- data.frame(___, iter = ___)

# Check out the head of sleep_chains
แก้ไขและรันโค้ด