Визначте, скомпілюйте та змоделюйте

У вашій виборчій задачі нехай \(p\) — це частка всієї електоральної популяції, яка підтримує вас. Спираючись на попередні опитування та виборчі дані, ваш апріорний (prior) розподіл для \(p\) — це Beta(\(a\),\(b\)) з параметрами форми \(a = 45\) та \(b = 55\). Щоб краще оцінити \(p\), ви також опитали \(n\) потенційних виборців. Залежність випадкової величини \(X\) — кількості тих, хто підтримує вас, — від \(p\) моделюється розподілом Bin(\(n\),\(p\)).

У підсумковому опитуванні \(X = 6\) з \(n = 10\) виборців підтримали вас. Далі потрібно оновити модель для \(p\) з урахуванням цих спостережених даних опитування! Для цього ви використаєте пакет rjags, щоб наблизити апостеріорний (posterior) розподіл для \(p\). Ми поділимо вправу на три кроки rjags: визначити (define), скомпілювати (compile), змоделювати (simulate).

Ця вправа є частиною курсу

Баєсівське моделювання з RJAGS

Переглянути курс

Інтерактивна практична вправа

Спробуйте виконати цю вправу, доповнивши цей зразок коду.

# DEFINE the model
vote_model <- "model{
    # Likelihood model for X
    X ~ ___
    
    # Prior model for p
    p ~ ___
}"

Редагувати та запускати код