Моделювання в RJAGS для регресії Пуассона

У попередньому відео ми побудували модель регресії Пуассона для обсягу \(Y\)_i за статусом дня тижня \(X\)_i та температурою \(Z\)_i:

• правдоподібність: \(Y\)_i \(\sim Pois(l\)_i), де \(log(l\)_i\() = a + b X\)_i \(+ c Z\)_i
• пріори: \(a \sim N(0, 200^2)\), \(b \sim N(0, 2^2)\) і \(c \sim N(0, 2^2)\)

Поєднавши ваші висновки з наявних даних RailTrail і зазначених пріорів, ви визначите, скомпілюєте та змоделюєте апостеріорну модель цієї залежності за допомогою RJAGS. Щоб додати виклику у цьому останньому моделюванні RJAGS у курсі, ви отримаєте менше допоміжного коду, ніж зазвичай!

Дані RailTrail є у вашому робочому середовищі.