Kategorik değişkenlerle RJAGS benzetimi
Hacim \(Y\)i için hafta içi/sonu durumu \(X\)i ile Normal regresyon modelini düşün:
- olabilirlik (likelihood): \(Y\)i \(\sim N(m\)i, \(s^2)\), burada \(m\)i \(= a + b X\)i
- öncüller (priors): \(a \sim N(400, 100^2)\), \(b \sim N(0, 200^2)\), \(s \sim Unif(0, 200)\)
RailTrail içindeki (çalışma alanında) 90 gün için \(Y\)i ve \(X\)i arasındaki ilişkiyi inceledin. Bu veriler ve yukarıdaki öncüller ışığında, bu ilişkinin art dağılım (posterior) modelini güncelleyeceksin. Önceki analizlerden farkı, \(X\)i'nin kategorik olması. rjags söz diziminde, katsayısı \(b\) hafta sonu ve hafta içi seviyelerine karşılık gelen iki elemanla tanımlanır: sırasıyla b[1] ve b[2]. Referans olarak b[1] 0'a sabitlenmiştir. Buna karşılık, b[2] \(b\) için verilen öncülle modellenir.
Bu egzersiz, kursun bir parçasıdır
RJAGS ile Bayesçi Modelleme
Uygulamalı etkileşimli egzersiz
Bu egzersizi bu örnek kodu tamamlayarak deneyin.
# 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 ~ ___
}"