BaşlayınÜcretsiz başlayın

Artçıl (posterior) tahminleri hesaplama

Az önce boyu \(X = 180\) olan yetişkinlerde kilodaki \(Y\) artçıl eğilimini inceledin: \(m\)180 \(= a + b * 180\). weight_chains veri çerçevesi, \(a\) ve \(b\)'nin karşılık gelen değerlerinden hesapladığın \(m\)180'in 100.000 olası artçıl değerini içeriyor: 

> head(weight_chains, 2)
          a        b        s iter     m_180
1 -113.9029 1.072505 8.772007    1  79.14803
2 -115.0644 1.077914 8.986393    2  78.96014

Eğilimi bir kenara bırak — peki ya boyu 180 cm olan belirli bir yetişkinin kilosunu tahmin etmek isteseydin? Edebilirsin! Bunu yapmak için, eğilimden bireysel sapmaları hesaba katman gerekir; bu da şöyle modellenir:

\(Y\)180 \(\sim N(m\)180\(, s^2)\)

Bu modeli kullanarak, weight_chains içindeki her bir olası artçıl parametre kümesi altında kilonun tahminlerini benzetimle üreteceksin.

Bu egzersiz, kursun bir parçasıdır

RJAGS ile Bayesçi Modelleme

Kursa Göz Atın

Egzersiz talimatları

  • weight_chains'in ilk satırındaki parametre ayarları altında tek bir kilo tahmini benzetmek için rnorm() kullan.
  • Yukarıdakini weight_chains'in ikinci satırındaki parametre ayarlarıyla tekrarla.
  • weight_chains içindeki 100.000 parametre ayarının her biri altında tek bir kilo tahmini benzet. Bunları weight_chains içinde yeni bir değişken Y_180 olarak sakla.
  • weight_chains içindeki ilk 6 satırlık parametre değerlerini ve tahminleri yazdır.

Uygulamalı etkileşimli egzersiz

Bu egzersizi bu örnek kodu tamamlayarak deneyin.

# Simulate 1 prediction under the first parameter set
rnorm(n = 1, mean = ___, sd = ___)

# Simulate 1 prediction under the second parameter set
rnorm(n = 1, mean = ___, sd = ___)

# Simulate & store 1 prediction under each parameter set
weight_chains <- weight_chains  %>% 
    mutate(Y_180 = rnorm(n = 100000, mean = ___, sd = ___))

# Print the first 6 parameter sets & predictions
Kodu Düzenle ve Çalıştır