Апостеріорні ймовірності
Ви використали результат RJAGS, щоб дослідити та кількісно оцінити апостеріорну тенденцію та невизначеність \(b\). Ви також можете використати вихідні дані RJAGS для перевірки конкретних гіпотез. Наприклад: яка апостеріорна ймовірність того, що в середньому маса збільшується більш ніж на 1,1 кг за кожні 1 см зросту? Тобто, яка апостеріорна ймовірність, що \(b > 1.1\)?
Ви наближено оціните цю ймовірність часткою значень ланцюга Маркова для \(b\), які перевищують 1.1. Датафрейм weight_chains зі 100 000 ітераціями виходу ланцюга Маркова вже у вашому робочому середовищі.
Ця вправа є частиною курсу
Баєсівське моделювання з RJAGS
Інструкції до вправи
- Побудуйте графік щільності значень ланцюга Маркова для \(b\) та використайте
geom_vline(), щоб накласти вертикальну лінію на 1.1. - Використайте
table(), щоб підсумувати кількість значень ланцюга Маркова для \(b\), які перевищують 1.1. - Використайте
mean(), щоб обчислити частку значень ланцюга Маркова для \(b\), які перевищують 1.1.
Інтерактивна практична вправа
Спробуйте виконати цю вправу, доповнивши цей зразок коду.
# Mark 1.1 on a posterior density plot for b
ggplot(___, aes(x = ___)) +
geom_density() +
geom_vline(xintercept = ___, color = "red")
# Summarize the number of b chain values that exceed 1.1
# Calculate the proportion of b chain values that exceed 1.1