การอนุมานค่า Posterior สำหรับการถดถอยพหุตัวแปร
ผลลัพธ์จากการจำลอง RJAGS จำนวน 10,000 ครั้ง ซึ่งเก็บไว้ใน rail_sim_2 พร้อมด้วย data frame ของผลลัพธ์ Markov chain ได้ถูกโหลดไว้ใน workspace แล้ว:
> head(rail_chains_2, 2)
a b.1. b.2. c s
1 49.76954 0 -12.62112 4.999202 111.02247
2 30.22211 0 -3.16221 4.853491 98.11892
ใช้ชุดค่าพารามิเตอร์ที่ไม่ซ้ำกัน 10,000 ชุดนี้ เพื่อสรุปแนวโน้ม posterior mean ในความสัมพันธ์ระหว่าง volume ของเส้นทาง สถานะ weekday และ hightemp
แบบฝึกหัดนี้เป็นส่วนหนึ่งของหลักสูตร
การสร้างแบบจำลอง Bayesian ด้วย RJAGS
คำแนะนำการฝึกหัด
สร้าง scatterplot ของ volume เทียบกับ hightemp
- ใช้
colorเพื่อแยกแยะระหว่างวันทำงานและวันหยุดสุดสัปดาห์ - เพิ่มเส้นสี
redที่แสดงแนวโน้ม posterior mean ของความสัมพันธ์เชิงเส้นระหว่างvolumeและhightempสำหรับวันหยุดสุดสัปดาห์:m = a + c Z - เพิ่มเส้นสี
turquoise3ที่แสดงแนวโน้ม posterior mean ของความสัมพันธ์เชิงเส้นระหว่างvolumeและhightempสำหรับวันทำงาน:m = (a + b.2.) + c Z
แบบฝึกหัดเชิงโต้ตอบแบบลงมือทำ
ลองทำแบบฝึกหัดนี้โดยเติมโค้ดตัวอย่างนี้ให้สมบูรณ์
# Plot the posterior mean regression models
ggplot(___, aes(x = ___, y = ___, color = ___)) +
geom_point() +
geom_abline(intercept = mean(___), slope = mean(___), color = "red") +
geom_abline(intercept = mean(___) + mean(___), slope = mean(___), color = "turquoise3")