การจำลองด้วย RJAGS สำหรับ Poisson Regression

ในวิดีโอที่ผ่านมา เราได้สร้างโมเดล Poisson regression ของปริมาณ \(Y\)_i โดยใช้สถานะวันทำงาน \(X\)_i และอุณหภูมิ \(Z\)_i:

• likelihood: \(Y\)_i \(\sim Pois(l\)_i) โดยที่ \(log(l\)_i\() = a + b X\)_i \(+ c Z\)_i
• priors: \(a \sim N(0, 200^2)\), \(b \sim N(0, 2^2)\) และ \(c \sim N(0, 2^2)\)

นำข้อมูลที่สังเกตได้จาก RailTrail มาผสานกับ prior ที่กำหนดไว้ข้างต้น แล้วกำหนด คอมไพล์ และจำลองโมเดล posterior ของความสัมพันธ์นี้ด้วย RJAGS เพื่อท้าทายตัวเองในการจำลอง RJAGS ครั้งสุดท้ายของคอร์สนี้ โค้ดที่ให้ไว้จะมีรายละเอียดน้อยกว่าปกติ!

ข้อมูล RailTrail อยู่ใน workspace ของคุณแล้ว