Saf (naive) standart hatalar
\(m\) Markov zincirinin ortalaması, \(m\)'nin artgönderim (posterior) ortalamasının bir tahminini sağlar. Saf (naive) standart hata, bu tahmindeki olası hata için bir ölçüdür. Buna karşılık bu ölçüyü uygun bir zincir uzunluğu belirlemek için kullanabiliriz. Örneğin, amacın \(m\)'nin artgönderim ortalamasını 0.1 ms standart hata içinde tahmin etmek olsun. Gözlenen saf standart hata bu hedefi aşıyorsa sorun değil! Zinciri daha uzun çalıştır — bir Markov zincirini artgönderimi yaklaştırmak için kullanırken hata, zincir uzunluğu arttıkça genelde azalır.
Tanımlanmış sleep_model ve derlenmiş sleep_jags nesnesi çalışma alanın.
Bu egzersiz, kursun bir parçasıdır
RJAGS ile Bayesçi Modelleme
Egzersiz talimatları
\(m\) ve \(s\)'nin artgönderim modelinden 1.000 örnek SİMÜLE ET. Bunları
sleep_sim_1içinde sakla.sleep_sim_1zincirlerinin birsummary()çıktısını al.Eğer \(m\) zincirinin saf standart hatası 0.1 hedefini aşıyorsa, simülasyonunu ayarla: 1.000 yerine 500 ya da 10.000 çekiliş kullanmayı dene. Sonuçları
sleep_sim_2içinde sakla.sleep_sim_2zincirlerinin birsummary()çıktısını al. Yeni simülasyonunun ölçütü karşıladığını doğrula. Karşılamıyorsa, bir önceki adıma dön ve tekrarla!
Uygulamalı etkileşimli egzersiz
Bu egzersizi bu örnek kodu tamamlayarak deneyin.
# SIMULATE the posterior
sleep_sim_1 <- coda.samples(model = ___, variable.names = c("m", "s"), n.iter = ___)
# Summarize the m and s chains of sleep_sim_1
# RE-SIMULATE the posterior
sleep_sim_2 <- coda.samples(model = ___, variable.names = c("m", "s"), n.iter = ___)
# Summarize the m and s chains of sleep_sim_2