เริ่มต้นใช้งานเริ่มต้นใช้งานได้ฟรี

การจำลองด้วย RJAGS กับตัวแปรเชิงกลุ่ม

พิจารณาโมเดล Normal regression ของปริมาณ \(Y\)i ตามสถานะวันธรรมดา \(X\)i:

  • likelihood: \(Y\)i \(\sim N(m\)i, \(s^2)\) โดยที่ \(m\)i \(= a + b X\)i
  • priors: \(a \sim N(400, 100^2)\), \(b \sim N(0, 200^2)\), \(s \sim Unif(0, 200)\)

คุณได้สำรวจความสัมพันธ์ระหว่าง \(Y\)i และ \(X\)i จากข้อมูล 90 วันที่บันทึกไว้ใน RailTrail (ใน workspace ของคุณ) เมื่อนำข้อมูลเหล่านี้มาประกอบกับ prior ข้างต้น เราจะอัปเดตโมเดล posterior ของความสัมพันธ์นี้ ความแตกต่างจากการวิเคราะห์ก่อนหน้าคือ \(X\)i เป็น categorical ใน syntax ของ rjags ค่าสัมประสิทธิ์ \(b\) ถูกกำหนดด้วยสองส่วนคือ b[1] และ b[2] ซึ่งสอดคล้องกับระดับวันหยุดสุดสัปดาห์และวันธรรมดาตามลำดับ โดย b[1] ถูกกำหนดให้เป็น 0 ส่วน b[2] ถูกจำลองด้วย prior ของ \(b\)

แบบฝึกหัดนี้เป็นส่วนหนึ่งของหลักสูตร

การสร้างแบบจำลอง Bayesian ด้วย RJAGS

ดูคอร์ส

แบบฝึกหัดเชิงโต้ตอบแบบลงมือทำ

ลองทำแบบฝึกหัดนี้โดยเติมโค้ดตัวอย่างนี้ให้สมบูรณ์

# DEFINE the model    
rail_model_1 <- "model{
    # Likelihood model for Y[i]
    for(i in ___){
      Y[i] ~ ___
      m[i] <- ___
    }
    
    # Prior models for a, b, s
    a ~ ___
    b[1] <- ___
    b[2] ~ ___
    s ~ ___
}"
แก้ไขและรันโค้ด