Regresyon öncellerini görselleştirme

Önceki egzersizde, boy X ile kilo Y için kurulan Bayesyen regresyon modelindeki her parametre (\(a\), \(b\), \(s\)) için 10.000 samples simüle ettin: \(Y \sim N(m, s^2)\) ve ortalama \(m = a + bX\). samples içindeki her bir satırdaki \(a\), \(b\) ve \(s\) değerleri, olası bir öncül regresyon senaryosunu temsil eder. Bu öncül senaryoların kapsamını keşfetmek için, ilk 12 öncül parametre kümesinin her birinden \(a\), \(b\) ve \(s\) için 50 adet boy ve kilo çifti simüle edeceksin.

Bu egzersiz, kursun bir parçasıdır

RJAGS ile Bayesçi Modelleme

Kursa Göz Atın

Egzersiz talimatları

samples içindeki ilk 12 öncül parametre kümesinin n = 50 tekrarını içeren bir prior_simulation veri çerçevesi oluştur (toplam 600 satır!).
600 prior_simulation satırının her biri için:
- \(N(170, 10^2)\) modelinden bir height değeri simüle et.
- \(X\) boy (height) ve \((a,b,s)\) öncül parametre kümesi olmak üzere, \(N(a + b X, s^2)\) dağılımından bir weight değeri simüle et.
Artık 12 parametre kümesinin her biri için 50 simüle edilmiş height ve weight çifti elinde. Bu 50 çifti her bir set (parametre kümesi) için bir saçılım grafiği oluşturmak üzere ggplot() ile görselleştir. weight değişkenini mutlaka y-ekseni üzerine yerleştir!

Uygulamalı etkileşimli egzersiz

Bu egzersizi bu örnek kodu tamamlayarak deneyin.

# Replicate the first 12 parameter sets 50 times each
prior_scenarios_rep <- bind_rows(replicate(n = ___, expr = samples[1:12, ], simplify = FALSE)) 

# Simulate 50 height & weight data points for each parameter set
prior_simulation <- prior_scenarios_rep %>% 
    mutate(height = rnorm(n = 600, mean = ___, sd = ___)) %>% 
    mutate(weight = rnorm(n = 600, mean = ___, sd = ___))

# Plot the simulated data & regression model for each parameter set
ggplot(prior_simulation, aes(x = ___, y = ___)) + 
    geom_point() + 
    geom_smooth(method = "lm", se = FALSE, size = 0.75) + 
    facet_wrap(~ set)

Kodu Düzenle ve Çalıştır