Апостеріорний висновок для багатовимірної регресії

Вихід моделювання RJAGS на 10 000 ітерацій, rail_sim_2, уже у вашому середовищі разом із датафреймом виходу ланцюга Маркова:

> head(rail_chains_2, 2)
         a b.1.      b.2.        c         s
1 49.76954    0 -12.62112 4.999202 111.02247
2 30.22211    0  -3.16221 4.853491  98.11892

Ви використаєте ці 10 000 унікальних наборів значень параметрів, щоб підсумувати апостеріорне середнє співвідношення між volume на стежці, статусом weekday і hightemp.

Ця вправа є частиною курсу

Баєсівське моделювання з RJAGS

Переглянути курс

Інструкції до вправи

Побудуйте діаграму розсіювання volume за hightemp.

Використайте color, щоб розрізняти будні та вихідні.
Накладіть лінію red, що відображає апостеріорну середню тенденцію лінійного зв'язку між volume та hightemp для вихідних: m = a + c Z
Накладіть лінію turquoise3, що відображає апостеріорну середню тенденцію лінійного зв'язку між volume та hightemp для буднів: m = (a + b.2.) + c Z

Інтерактивна практична вправа

Спробуйте виконати цю вправу, доповнивши цей зразок коду.

# Plot the posterior mean regression models
ggplot(___, aes(x = ___, y = ___, color = ___)) + 
    geom_point() + 
    geom_abline(intercept = mean(___), slope = mean(___), color = "red") + 
    geom_abline(intercept = mean(___) + mean(___), slope = mean(___), color = "turquoise3")

Редагувати та запускати код