Інференція для параметра інтенсивності Пуассона

Знову згадайте структуру правдоподібності для вашої баєсівської пуассонівської регресійної моделі обсягу \(Y\)_i за статусом дня тижня \(X\)_i і температурою \(Z\)_i:

\(Y\)_i \(\sim Pois(l\)_i) де \(l\)_i\( \; = exp(a + b \; X\)_i \(+ c \; Z\)_i\()\)

Ваша симуляція апостеріорного розподілу моделі в RJAGS на 10 000 ітерацій, poisson_sim, є у вашому робочому середовищі разом із датафреймом виводу ланцюга Маркова:

> head(poisson_chains, 2)
         a b.1.       b.2.          c
1 5.019807    0 -0.1222143 0.01405269
2 5.018642    0 -0.1217608 0.01407691

Використовуючи ці 10 000 унікальних наборів апостеріорно правдоподібних значень параметрів \(a\), \(b\) та \(c\), ви зробите висновки про типовий потік на стежці у дні з температурою 80 градусів.

Ця вправа є частиною курсу

Баєсівське моделювання з RJAGS

Переглянути курс

Інструкції до вправи

Для кожного набору значень параметрів у poisson_chains обчисліть типові обсяги відвідування стежки \(l\) у вихідний день за температури 80 градусів. Збережіть ці значення як нову змінну l_weekend у poisson_chains.
Так само обчисліть типові обсяги відвідування стежки у будній день за температури 80 градусів. Збережіть їх як нову змінну l_weekday.
Обчисліть 95% апостеріорні інтервали достовірності для типового обсягу у вихідний день з температурою 80 градусів і для типового обсягу у будній день з температурою 80 градусів.

Інтерактивна практична вправа

Спробуйте виконати цю вправу, доповнивши цей зразок коду.

# Calculate the typical volume on 80 degree weekends & 80 degree weekdays
poisson_chains <- poisson_chains %>% 
    mutate(l_weekend = exp(___ + ___ * 80)) %>% 
    mutate(l_weekday = exp(___ + ___ + ___ * 80))

# Construct a 95% CI for typical volume on 80 degree weekend


# Construct a 95% CI for typical volume on 80 degree weekday

Редагувати та запускати код