การประมาณค่าฟังก์ชัน Likelihood
ผลสำรวจการเลือกตั้งครั้งแรกมาแล้ว! \(X\) = 6 จาก 10 คนที่ถูกสำรวจวางแผนจะโหวตให้คุณ ข้อมูลเหล่านี้ช่วยให้เราเข้าใจระดับการสนับสนุน \(p\) ที่แท้จริงได้ โดยจะใช้ data frame ชื่อ likelihood_sim (ซึ่งมีอยู่ใน workspace แล้ว) ซึ่งประกอบด้วยค่าของ \(X\) (poll_result) ที่จำลองมาจากค่าที่เป็นไปได้ 1,000 ค่าของ \(p\) ในช่วง 0 ถึง 1 (p_grid)
แบบฝึกหัดนี้เป็นส่วนหนึ่งของหลักสูตร
การสร้างแบบจำลอง Bayesian ด้วย RJAGS
คำแนะนำการฝึกหัด
คำสั่ง ggplot() นี้สร้างการกระจายของ \(p\) ซึ่งแต่ละค่าของ \(X\) ถูกสร้างขึ้นมาจากการกระจายนั้น ให้แก้ไขโค้ดนี้โดยเพิ่มเงื่อนไข fill เพื่อไฮไลต์การกระจายที่ตรงกับผลสำรวจ poll_result ของคุณ นั่นคือ \(X=6\)
การทำเช่นนี้จะช่วยให้เห็นว่าค่าใดของ \(p\) สอดคล้องกับข้อมูลสำรวจของคุณมากที่สุด!
หมายเหตุ: ไม่ต้องครอบเงื่อนไขนี้ด้วยวงเล็บ ()
แบบฝึกหัดเชิงโต้ตอบแบบลงมือทำ
ลองทำแบบฝึกหัดนี้โดยเติมโค้ดตัวอย่างนี้ให้สมบูรณ์
# Density plots of p_grid grouped by poll_result
ggplot(likelihood_sim, aes(x = p_grid, y = poll_result, group = poll_result, fill = ___)) +
geom_density_ridges()