Симуляція в RJAGS із категоріальними змінними

Розгляньмо нормальну регресійну модель для обсягу \(Y\)_i за статусом дня тижня \(X\)_i:

правдоподібність: \(Y\)_i \(\sim N(m\)_i, \(s^2)\), де \(m\)_i \(= a + b X\)_i
пріори: \(a \sim N(400, 100^2)\), \(b \sim N(0, 200^2)\), \(s \sim Unif(0, 200)\)

Ви дослідили зв'язок між \(Y\)_i і \(X\)_i для 90 днів, записаних у RailTrail (у вашому робочому середовищі). З огляду на ці дані та наведені пріори, ви оновите вашу апостеріорну модель цього зв'язку. Відмінність від попередніх аналізів у тому, що \(X\)_i є категоріальною змінною. У синтаксисі rjags її коефіцієнт \(b\) задано двома елементами, b[1] і b[2], які відповідають вихідним (weekend) та робочим (weekday) дням відповідно. Для довідки: b[1] встановлено рівним 0. Натомість b[2] моделюється пріором для \(b\).

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    
rail_model_1 <- "model{
    # Likelihood model for Y[i]
    for(i in ___){
      Y[i] ~ ___
      m[i] <- ___
    }
    
    # Prior models for a, b, s
    a ~ ___
    b[1] <- ___
    b[2] ~ ___
    s ~ ___
}"

Редагувати та запускати код