X'in p'ye bağımlılığını simüle etme

Kamusal bir göreve seçilme yolunda, kampanyan 10 olası seçmeni yokluyor. \(X\), seni destekleyenlerin sayısı olsun. Elbette \(X\), örnekten örneğe değişir ve genel popülasyondaki temel desteğin olan \(p\)'ye bağlıdır. \(X\), her birinin başarı olasılığı \(p\) olan 10 bağımsız denemedeki başarı sayısı olduğundan, \(p\)'ye olan bağımlılığını Binom dağılımıyla modelleyebilirsin: Bin(10, \(p\)).

Binom modeli, rbinom(n, size, prob) fonksiyonundan rastgele örneklerle simüle edeceksin. Bu fonksiyon vektörize edilmiştir ve Bin(size, prob) dağılımından n örnek çeker. prob değerlerinden oluşan bir vektör verdiğinde, ilk çekilişte ilk prob değeri, ikinci çekilişte ikinci prob değeri vb. kullanılır.

Bu egzersiz, kursun bir parçasıdır

RJAGS ile Bayesçi Modelleme

Kursa Göz Atın

Egzersiz talimatları

0 ile 1 arasında değişen, \(p\) için 1000 olası değerden oluşan bir seq() tanımla. Bunu p_grid olarak sakla.
p_grid içindeki 1000 farklı \(p\)'nin her biri için birer anket sonucu \(X\) simüle etmek üzere rbinom() kullan. Bunları poll_result'a ata.
likelihood_sim veri çerçevesi p_grid ve poll_result'u birleştirir. Her bir poll_result'un simüle edildiği p_grid değerlerinin dağılımını göstermek için ggplot() içinde bir geom_density_ridges() katmanı kullan; x ekseni p_grid değerlerini, y ekseni ise poll_result'u göstersin.

Uygulamalı etkileşimli egzersiz

Bu egzersizi bu örnek kodu tamamlayarak deneyin.

# Define a vector of 1000 p values    
p_grid <- seq(from = ___, to = ___, length.out = ___)

# Simulate 1 poll result for each p in p_grid   


# Create likelihood_sim data frame
likelihood_sim <- data.frame(p_grid, poll_result)    

# Density plots of p_grid grouped by poll_result
ggplot(likelihood_sim, aes(x = ___, y = ___, group = poll_result)) + 
    geom_density_ridges()

Kodu Düzenle ve Çalıştır